تطوير أنظمة RAG باستخدام Azure OpenAI و Azure AI Search

يعد ربط نماذج اللغة الكبيرة ببيانات عملك الخاصة هو المفتاح لبناء تطبيقات ذكاء اصطناعي مفيدة حقًا. يرشدك هذا المساق خلال عملية تصميم ونشر أنظمة التوليد المعزز بالاسترجاع (RAG) باستخدام بيئة Azure. من خلال قراءة هذا الدليل الشامل، ستنتقل من فهم مفاهيم الذكاء الاصطناعي الأساسية إلى تنفيذ معماريات استرجاع متطورة وجاهزة للإنتاج. ستتعلم كيفية إعداد البيانات، وتوليد التضمينات (embeddings)، وتنسيق سير عمل البحث الذي يقدم استجابات ذكاء اصطناعي دقيقة للغاية وواعية بالسياق. ما ستتعلمه: - فهم المبادئ الأساسية لـ RAG، وتضمينات المتجهات (vector embeddings)، والبحث الدلالي (semantic search) - تكوين Azure AI Search لفهرسة وتخزين واسترجاع المستندات غير المهيكلة - تنفيذ إمكانيات قاعدة بيانات المتجهات واستعلامات البحث الهجين باستخدام CosmosDB - استكشاف معماريات GraphRAG باستخدام Neo4j لتحليل علاقات البيانات المعقدة - تصميم أنظمة RAG متعددة الوسائط التي تتعامل مع مدخلات النص والصور - دمج مكونات البحث مع نماذج اللغة داخل Azure AI Studio يبدأ هذا المساق النصي بالمصطلحات الأساسية ومفاهيم البحث التأسيسية قبل الانتقال إلى أدلة التنفيذ خطوة بخطوة وأنماط المعمارية. من خلال الشروحات المكتوبة الواضحة ومقتطفات التعليمات البرمجية العملية، ستكتسب فهمًا عميقًا ومفاهيميًا لأنظمة الاسترجاع الحديثة. تم تصميم هذا المساق للمطورين البرمجيين، ومحترفي البيانات، وعشاق الذكاء الاصطناعي الذين يرغبون في بناء حلول ذكاء اصطناعي مخصصة ومتصلة بالبيانات. لا يلزم وجود خبرة سابقة في RAG أو خدمات Azure AI. ابدأ القراءة اليوم لبناء أنظمة استرجاع آمنة وقابلة للتطوير لتطبيقات الذكاء الاصطناعي الخاصة بك.