تصور کنید بتوانید مجموعه‌ای از فایل‌های PDF، مقالات علمی، جزوه‌های آموزشی یا اسناد سازمانی را در اختیار یک دستیار هوشمند قرار دهید و به‌جای جست‌وجوی دستی در میان صدها صفحه، سؤال خود را مطرح کنید و پاسخ مرتبط با محتوای همان اسناد دریافت کنید.
این دقیقاً یکی از کاربردهای مهم فناوری
RAG یا Retrieval-Augmented Generation در دنیای هوش مصنوعی است.امروزه مدل‌های زبانی بزرگ توانایی قابل‌توجهی در درک و تولید متن دارند؛ اما این مدل‌ها لزوماً به اطلاعات اختصاصی، اسناد داخلی سازمان‌ها یا منابع شخصی کاربران دسترسی ندارند.
فناوری RAG این امکان را فراهم می‌کند که با ترکیب بازیابی اطلاعات و قدرت مدل‌های زبانی، سیستم‌هایی طراحی کنیم که پاسخ‌های خود را بر اساس اسناد و منابع مشخص تولید کنند.
اما سؤال مهم این است:
چگونه می‌توانیم با استفاده از پایتون، یک دستیار هوشمند بسازیم که اسناد ما را جست‌وجو کند و بر اساس آن‌ها پاسخ دهد؟کارگاه
«ساخت دستیار هوشمند اسناد (RAG)» در با هدف آموزش عملی طراحی و پیاده‌سازی سیستم‌های پرسش و پاسخ مبتنی بر اسناد برگزار می‌شود.در این کارگاه، شرکت‌کنندگان با مفاهیم اصلی معماری RAG آشنا می‌شوند و به‌صورت مرحله‌به‌مرحله، فرآیند استخراج متن، آماده‌سازی اسناد، بردارسازی اطلاعات، جست‌وجوی معنایی و تولید پاسخ با مدل‌های هوش مصنوعی را تجربه می‌کنند.
تمرکز اصلی کارگاه بر
ساخت یک نمونه کارکردی از دستیار هوشمند اسناد با استفاده از زبان برنامه‌نویسی پایتون است.شرکت‌کنندگان در پایان کارگاه می‌توانند یک دستیار هوشمند اولیه بسازند که با دریافت پرسش، اطلاعات مرتبط را از میان اسناد بارگذاری‌شده بازیابی کرده و از آن‌ها برای تولید پاسخ استفاده کند.
مشخصات کارگاه
–
عنوان: ساخت دستیار هوشمند اسناد (RAG)– عنوان انگلیسی: Building Document AI Assistants
– کد رویداد: EAI-430
– دسته‌بندی: مسیر پژوهشی و فنی
– نوع برنامه: کارگاه آموزشی و عملی
– مخاطبان: دانشجویان فنی و برنامه‌نویسان مبتدی
– مدت کارگاه: ۴ ساعت
– ظرفیت: ۲۰ نفر
– پیش‌نیاز: آشنایی مقدماتی با زبان برنامه‌نویسی پایتون و همراه داشتن لپ‌تاپ
در این کارگاه چه چیزهایی یاد می‌گیرید؟
۱. آشنایی با معماری RAG و کاربردهای آن
در اولین مرحله با مفهوم بازیابی تقویت‌شده با تولید یا RAG آشنا می‌شوید و یاد می‌گیرید چگونه می‌توان مدل‌های زبانی را به منابع اطلاعاتی مشخص متصل کرد.
موضوعات آموزشی:– آشنایی با مدل‌های زبانی بزرگ (LLM)
– شناخت مفهوم RAG و نحوه عملکرد آن
– درک تفاوت پاسخ‌گویی عمومی و پاسخ‌گویی مبتنی بر اسناد
– آشنایی با کاربردهای RAG در پژوهش، آموزش و سازمان‌ها
– بررسی اجزای اصلی یک سیستم پرسش و پاسخ هوشمند
۲. آماده‌سازی و پردازش اسناد
برای اینکه یک دستیار هوشمند بتواند اطلاعات موجود در فایل‌ها را پردازش کند، ابتدا باید محتوای اسناد به شکل مناسبی آماده شود.
در این بخش یاد می‌گیرید چگونه متن اسناد را استخراج و به بخش‌های کوچک‌تر تقسیم کنید تا برای پردازش و بازیابی آماده شوند.
موضوعات آموزشی:– استخراج متن از اسناد
– آماده‌سازی اطلاعات برای پردازش
– آشنایی با مفهوم تکه‌بندی متن (Chunking)
– تقسیم اسناد طولانی به بخش‌های قابل بازیابی
– بررسی اهمیت کیفیت و ساختار داده‌ها در عملکرد دستیار
۳. بردارسازی و جست‌وجوی معنایی
یکی از مهم‌ترین بخش‌های سیستم‌های RAG، توانایی پیدا کردن اطلاعات مرتبط با سؤال کاربر است.
در این مرحله با مفهوم بردارهای معنایی یا Embeddings آشنا می‌شوید و یاد می‌گیرید چگونه متن‌ها را به نمایش‌های عددی تبدیل کنید تا امکان جست‌وجوی معنایی فراهم شود.
موضوعات آموزشی:– آشنایی با مفهوم Embedding
– درک تفاوت جست‌وجوی کلمه‌ای و جست‌وجوی معنایی
– تبدیل متن به بردارهای معنایی
– بازیابی بخش‌های مرتبط از اسناد
– استفاده از نتایج جست‌وجو برای آماده‌سازی پاسخ
۴. اتصال سیستم بازیابی به مدل زبانی
پس از آماده‌سازی اسناد و پیاده‌سازی جست‌وجوی معنایی، نوبت به اتصال اطلاعات بازیابی‌شده به مدل هوش مصنوعی می‌رسد.
در این بخش یاد می‌گیرید چگونه محتوای مرتبط با پرسش را در اختیار مدل زبانی قرار دهید تا بر اساس آن پاسخ تولید کند.
همچنین فرآیند طراحی یک رابط کاربری ساده برای تعامل با دستیار هوشمند بررسی می‌شود.
موضوعات آموزشی:*– اتصال بخش بازیابی اطلاعات به مدل زبانی– طراحی فرآیند پرسش و پاسخ مبتنی بر اسناد– استفاده از محتوای بازیابی‌شده برای تولید پاسخ– ساخت رابط کاربری ساده برای دریافت سؤال– نمایش پاسخ‌های تولید شده توسط دستیار
ساخت یک دستیار هوشمند تنها به دریافت پاسخ از مدل محدود نمی‌شود؛ کیفیت و درستی پاسخ‌ها نیز اهمیت زیادی دارد.
در این بخش یاد می‌گیرید چگونه عملکرد سیستم را بررسی کنید، پاسخ‌ها را با محتوای منابع مقایسه کنید و خطاهای رایج را شناسایی کنید.
*موضوعات آموزشی:
– بررسی میزان ارتباط پاسخ با سؤال کاربر
– ارزیابی انطباق پاسخ‌ها با اسناد
– شناسایی خطاهای احتمالی در بازیابی اطلاعات
– بررسی پاسخ‌های نادرست یا بدون پشتوانه
– آشنایی با روش‌های بهبود عملکرد دستیار
۶. آشنایی با مسیر توسعه محصول
در بخش پایانی با مراحل بعدی توسعه یک نمونه اولیه RAG به یک محصول کاربردی آشنا می‌شوید.
این بخش به شما کمک می‌کند درک بهتری از مسیر توسعه دستیارهای هوشمند پیشرفته‌تر و استفاده از آن‌ها در پروژه‌های واقعی داشته باشید.
برنامه و سرفصل‌های کارگاه
بخش اول: مفاهیم | ۳۰ دقیقه
مدل‌های زبانی، بردارهای معنایی و معماری RAGکارگاه با معرفی مفاهیم پایه مدل‌های زبانی و معماری بازیابی تقویت‌شده با تولید آغاز می‌شود.
شرکت‌کنندگان با اجزای اصلی سیستم RAG و نحوه همکاری بخش بازیابی اطلاعات و مدل زبانی آشنا می‌شوند.
بخش دوم: آماده‌سازی اسناد | ۴۰ دقیقه
استخراج متن و تکه‌بندی اسناددر این مرحله، فرآیند آماده‌سازی محتوای اسناد برای استفاده در سیستم RAG آموزش داده می‌شود.
شرکت‌کنندگان روش استخراج متن و تقسیم آن به بخش‌های کوچک‌تر را به‌صورت عملی تجربه می‌کنند.
بخش سوم: بازیابی | ۶۰ دقیقه
بردارسازی اطلاعات و پیاده‌سازی جست‌وجوی معناییدر این بخش، شرکت‌کنندگان با استفاده از ابزارهای برنامه‌نویسی پایتون، فرآیند تبدیل متن به بردارهای معنایی و بازیابی اطلاعات مرتبط را پیاده‌سازی می‌کنند.
هدف این بخش، ایجاد زیرساختی است که بتواند متناسب با پرسش کاربر، بخش‌های مرتبط از اسناد را پیدا کند.
بخش چهارم: اتصال به مدل | ۶۰ دقیقه
تولید پاسخ و ساخت رابط کاربری سادهدر این مرحله، سیستم بازیابی به یک مدل زبانی متصل می‌شود تا امکان تولید پاسخ بر اساس اطلاعات موجود در اسناد فراهم شود.
شرکت‌کنندگان همچنین ساخت یک رابط ساده برای پرسیدن سؤال و مشاهده پاسخ را تجربه می‌کنند.
بخش پنجم: ارزیابی | ۳۰ دقیقه
سنجش دقت پاسخ‌ها و رفع خطادر این بخش، عملکرد دستیار ساخته‌شده بررسی می‌شود.
شرکت‌کنندگان با طرح پرسش‌های مختلف، میزان ارتباط و صحت پاسخ‌ها را ارزیابی می‌کنند و با روش‌های شناسایی و کاهش خطا آشنا می‌شوند.
بخش ششم: نقشه راه | ۲۰ دقیقه
از نمونه اولیه تا توسعه یک محصول هوشمنددر بخش پایانی، مسیرهای توسعه سیستم RAG و کاربرد آن در پروژه‌های پیشرفته‌تر بررسی می‌شود.
هدف این بخش، آشنایی شرکت‌کنندگان با مراحل بعدی توسعه یک دستیار هوشمند و تبدیل نمونه اولیه به یک محصول کاربردی است.
## دستاورد شرکت‌کنندگان
در پایان کارگاه، شرکت‌کنندگان:
– با معماری و مفاهیم اصلی فناوری RAG آشنا می‌شوند.
– روش آماده‌سازی و پردازش اسناد را یاد می‌گیرند.
– با مفهوم بردارسازی و جست‌وجوی معنایی آشنا می‌شوند.
– فرآیند اتصال اطلاعات بازیابی‌شده به مدل زبانی را تجربه می‌کنند.
– یک رابط کاربری ساده برای پرسش و پاسخ طراحی می‌کنند.
– با روش‌های ارزیابی کیفیت پاسخ‌ها و رفع خطا آشنا می‌شوند.
– یک نمونه کارکردی از دستیار هوشمند مبتنی بر اسناد ایجاد می‌کنند.
این کارگاه مناسب چه کسانی است؟
دانشجویان رشته‌های فنی و مهندسی
دانشجویانی که به هوش مصنوعی، پردازش زبان طبیعی و توسعه سیستم‌های هوشمند علاقه دارند و می‌خواهند مفاهیم آموخته‌شده را در یک پروژه عملی پیاده‌سازی کنند.
برنامه‌نویسان مبتدی پایتون
افرادی که با مبانی زبان پایتون آشنا هستند و قصد دارند اولین تجربه عملی خود را در ساخت برنامه‌های مبتنی بر مدل‌های زبانی و فناوری RAG به دست آورند.
علاقه‌مندان به توسعه ابزارهای هوش مصنوعی
افرادی که می‌خواهند با ساخت دستیارهای هوشمند اختصاصی آشنا شوند و روش اتصال مدل‌های زبانی به منابع اطلاعاتی را یاد بگیرند.
پژوهشگران دارای دانش مقدماتی برنامه‌نویسی
پژوهشگرانی که با اسناد و منابع علمی سروکار دارند و علاقه‌مندند روش ساخت ابزارهای هوشمند برای جست‌وجو و پرسش و پاسخ بر اساس منابع اختصاصی را تجربه کنند.
توجه:* برای شرکت در این کارگاه، آشنایی مقدماتی با پایتون و همراه داشتن لپ‌تاپ ضروری است.کاربردهای دستیار هوشمند اسناد در دنیای واقعی
فناوری RAG در بسیاری از حوزه‌های آموزشی، پژوهشی و سازمانی کاربرد دارد.
دستیار پژوهشی هوشمند
طراحی یک سیستم پرسش و پاسخ برای جست‌وجوی
دستیار آموزشی مبتنی بر جزوه‌ها
ساخت یک ابزار کمک‌آموزشی که بتواند بر اساس جزوه‌ها و منابع درسی بارگذاری‌شده، به پرسش‌های مرتبط پاسخ دهد.
طراحی سیستم‌هایی برای بازیابی اطلاعات از دستورالعمل‌ها، راهنماها، مستندات داخلی و فایل‌های سازمانی، با رعایت مجوزهای دسترسی و محرمانگی اطلاعات.
سیستم پاسخ‌گویی به سؤالات متداول
ساخت دستیارهایی که بتوانند بر اساس راهنماهای خدمات، مستندات محصول یا اطلاعات رسمی یک مجموعه، پاسخ‌های مرتبط ارائه کنند.
جست‌وجوی هوشمند در اسناد تخصصی
ایجاد ابزارهایی برای جست‌وجوی معنایی در مجموعه‌ای از فایل‌ها و پیدا کردن سریع‌تر بخش‌های مرتبط با یک پرسش.
تفاوت دستیار هوشمند RAG با یک چت‌بات معمولی چیست؟
چت‌بات‌های عمومی معمولاً بر اساس دانش آموخته‌شده در مرحله آموزش و اطلاعاتی که هنگام گفت‌وگو در اختیارشان قرار می‌گیرد پاسخ تولید می‌کنند.
اما در معماری RAG، سیستم ابتدا اطلاعات مرتبط را از یک مجموعه اسناد مشخص بازیابی می‌کند و سپس آن اطلاعات را برای تولید پاسخ در اختیار مدل زبانی قرار می‌دهد.
این روش می‌تواند پاسخ‌ها را به منابع اختصاصی مرتبط‌تر کند و امکان بررسی پشتوانه اطلاعاتی پاسخ را فراهم سازد.
البته استفاده از RAG به‌تنهایی تضمین‌کننده صحت کامل پاسخ‌ها نیست و ارزیابی و راستی‌آزمایی نتایج همچنان اهمیت دارد.
ادامه مسیر یادگیری در
کارگاه «ساخت دستیار هوشمند اسناد (RAG)» نقطه شروعی برای ورود به دنیای توسعه سیستم‌های هوشمند مبتنی بر مدل‌های زبانی است.
شرکت‌کنندگان پس از آشنایی با مفاهیم اصلی و ساخت نمونه اولیه، می‌توانند مسیر یادگیری خود را در برنامه‌های تخصصی‌تر ادامه دهند.
*مسیر آموزشی پیشنهادی: بوت‌کمپ حرفه‌ای سامانه‌ها
این مسیر برای افرادی مناسب است که می‌خواهند مهارت‌های خود را در زمینه طراحی و توسعه سامانه‌های نرم‌افزاری و هوشمند گسترش دهند.
چرا در کارگاه ساخت دستیار هوشمند اسناد شرکت کنیم؟
امروزه توسعه‌دهندگان تنها به استفاده از ابزارهای آماده هوش مصنوعی محدود نیستند؛ بلکه می‌توانند با ترکیب مدل‌های زبانی، اطلاعات اختصاصی و ابزارهای برنامه‌نویسی، راهکارهای هوشمند متناسب با نیازهای واقعی بسازند.
فناوری RAG یکی از رویکردهای کاربردی برای توسعه این نوع سیستم‌هاست.
در کارگاه «ساخت دستیار هوشمند اسناد» ، شرکت‌کنندگان از آشنایی با مفاهیم اولیه فراتر می‌روند و مراحل ساخت یک دستیار هوشمند را به‌صورت عملی تجربه می‌کنند.
از آماده‌سازی اسناد و پیاده‌سازی جست‌وجوی معنایی گرفته تا اتصال مدل زبانی و ارزیابی پاسخ‌ها، تمامی بخش‌های اصلی یک سیستم RAG در قالب یک کارگاه پروژه‌محور بررسی می‌شود.
فقط از هوش مصنوعی سؤال نپرسید؛ یاد بگیرید چگونه یک دستیار هوشمند اختصاصی بسازید!ثبت‌نام در کارگاه ساخت دستیار هوشمند اسناد (RAG)
اگر با مبانی پایتون آشنا هستید و می‌خواهید وارد دنیای توسعه کاربردی هوش مصنوعی شوید، این کارگاه فرصتی برای ساخت اولین دستیار هوشمند مبتنی بر اسناد است.
در کارگاه «ساخت دستیار هوشمند اسناد (RAG)» آیتک شرکت کنید و یاد بگیرید چگونه از ترکیب مدل‌های زبانی و جست‌وجوی معنایی، یک سیستم پرسش و پاسخ کاربردی ایجاد کنید.
ظرفیت محدود: ۲۰ نفر برای دریافت اطلاعات بیشتر و ثبت‌نام در کارگاه ساخت دستیار هوشمند اسناد (RAG) اقدام کنید.*