llm-app
بناء مسارات RAG في الوقت الفعلي واهتمامات البحث التي تبقى متزامنة مع مصادر بيانات الأعمال الحية.
انشر مسارات RAG والبحث التي يتم تحديثها مباشرة عبر Google Drive، وSharepoint، وKafka، وPostgres.
يوفر llm-app قوالب جاهزة للتشغيل لبناء مسارات الاسترجاع المعزز بالتوليد (RAG) عبر مصادر البيانات المتغيرة باستمرار. وهو يستهدف الفرق التي تحتاج إلى ذكاء اصطناعي لدعم العملاء ومحركات بحث داخلية تعكس تعديلات المستندات فوراً دون إعادة بناء مخازن المتجهات. كما يعرض واجهات برمجة تطبيقات REST HTTP التي ترتبط مباشرة بتطبيقات الواجهة الأمامية.
ما هو
يستمع التطبيق إلى التحديثات والإضافات والحذف المستمرة عبر منصات مثل Google Drive وSharePoint وAWS S3 وPostgreSQL. يقوم بفهرسة النصوص والوسائط الواردة باستخدام محركات بحث متجهة وهجينة مدمجة دون الحاجة إلى قواعد بيانات متجهات خارجية. تدعم القوالب الجاهزة مسبقاً تحليل ملفات PDF متعددة الوسائط باستخدام GPT-4o، وتقليل الرموز التكيفي، والإعدادات المحلية باستخدام Ollama.
لمن هو
تناسب هذه الأداة مهندسي البرمجيات ومطوري الذكاء الاصطناعي الذين يبنون استرجاع المعرفة في الوقت الفعلي لوكلاء دعم العملاء أو برامج الدردشة الآلية. وهي غير مناسبة للمستخدمين غير التقنيين الذين يبحثون عن منشئ مرئي بدون تعليمة برمجية أو منصة SaaS مدارة بالكامل.
أهم الميزات
مزامنة موصل البيانات الحية
تتتبع إضافات الملفات وتعديلاتها وحذفها في الوقت الفعلي من SharePoint، وGoogle Drive، وS3، وKafka، وقواعد البيانات.
محرك بحث مدمج
يتضمن بحثاً متجهياً مدمجاً عبر USearch وبحثاً هجيناً للنص الكامل عبر Tantivy دون الحاجة إلى إعداد خادم إضافي.
ابتلاع المستندات متعددة الوسائط
يقوم بتحليل الجداول والرسوم البيانية والنصوص داخل ملفات PDF غير estructured باستخدام نماذج مثل GPT-4o.
RAG تكيفت لتوفير التكاليف
يتميز ببنية استرجاع تكيفية لتقليل استخدام الرموز مع الحفاظ على دقة الإجابة.
التنفيذ الخاص دون اتصال بالإنترنت
يقدم قوالب مسارات غير متصلة بالإنترنت تعمل محلياً باستخدام نماذج Ollama وMistral.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- يعكس تلقائياً تغييرات مستند المصدر دون مهام إعادة فهرسة يدوية.
- يلغي التبعيات على قواعد بيانات المتجهات المنفصلة، وبوابات واجهات برمجة التطبيقات، وطبقات التخزين المؤقت.
- يوفر قوالب مخصصة لملفات PDF متعددة الوسائط، والبحث في الفيديو، وتحويل SQL.
- يعرض نقاط نهايات REST HTTP قياسية لتكامل الواجهة الأمامية.
أين يقصّر
- يتطلب معرفة تطوير Python وإدارة Docker.
- تتطلب الفهرسة في الذاكرة ذاكرة خادم عالية لمجموعات المستندات الكبيرة.
- يتسبب استخدام النموذج الخارجية في رسوم واجهة برمجة تطبيقات من مزودين مثل OpenAI أو TwelveLabs.
- لا يوفر وحدة تحكم مدمجة لإدارة المستخدمين لموظفي الدعم غير التقنيين.
التسعير والرخصة
البرنامج مجاني ومفتوح المصدر بموجب ترخيص MIT. تتكون نفقاتك من تكاليف البنية التحتية لخادم الاستضافة وأي رسوم استخدام من مزودي LLM الخارجيين.
وظائف للناطقين بالعربية
879 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
هل أحتاج إلى تثبيت قاعدة بيانات متجهات منفصلة مثل Pinecone؟
لا، يستخدم llm-app محركاً مدمجاً في الذاكرة مدعوم بواسطة USearch وTantivy، لذلك لا داعي لبنية تحتية إضافية لقاعدة البيانات.
كيف تتفاعل الأداة عند تحديث مستند في Google Drive؟
يقوم إطار عمل Pathway الأساسي ببث التحديثات في الوقت الفعلي، وتحديث فهرس المتجهات والتخزين المؤقت تلقائياً بمجرد حدوث التغييرات.
هل يمكنني تشغيل هذا التطبيق دون إرسال بيانات إلى واجهات برمجة تطبيقات خارجية؟
نعم، يمكنك نشر قالب RAG الخاص باستخدام النماذج المحلية المستضافة عبر Ollama.
