الفصل 1: تحويل الاستعلام

لماذا نحوّل الاستعلامات؟

غالبًا ما تكون استعلامات المستخدم:

• غامضة أو ناقصة
• تستخدم مفردات مختلفة عن الوثائق
• قصيرة جدًا لـ embedding جيد

إعادة كتابة الاستعلام

from langchain.chat_models import ChatOpenAI
from langchain.prompts import PromptTemplate

rewrite_prompt = PromptTemplate.from_template("""
Rewrite the following query to be more specific and searchable.
Original: {query}
Rewritten:""")

llm = ChatOpenAI(model="gpt-4")
chain = rewrite_prompt | llm

# "how does it work?" → "How does retrieval augmented generation work?"
rewritten = chain.invoke({"query": "how does it work?"})

توسيع الاستعلام

أضف مصطلحات مرتبطة:

expansion_prompt = PromptTemplate.from_template("""
Expand this query with related terms and synonyms:
Query: {query}
Expanded query with alternatives:""")

# "ML" → "machine learning ML deep learning artificial intelligence AI"

HyDE (Hypothetical Document Embeddings)

ولّد إجابة افتراضية، حوّلها إلى embedding، وابحث بها:

def hyde_retrieval(query, llm, retriever):
    # Step 1: Generate hypothetical document
    hyde_prompt = f"""Write a short paragraph that would 
    answer this question: {query}"""
    
    hypothetical_doc = llm.invoke(hyde_prompt)
    
    # Step 2: Embed the hypothetical document
    # (embeddings will be closer to real documents)
    
    # Step 3: Retrieve using hypothetical embedding
    results = retriever.get_relevant_documents(
        hypothetical_doc.content
    )
    
    return results

لماذا يعمل HyDE:

• تستخدم الإجابة الافتراضية مفردات الوثائق
• محاذاة embedding أفضل مع المدوّنة
• جيّد خصوصًا للاستعلامات المعقّدة

ملخص

التقنية	متى تستخدمها	التحسين
إعادة الكتابة	استعلامات غامضة	الوضوح
التوسيع	مرادفات ناقصة	الاستدعاء
HyDE	أسئلة معقّدة	الدقة