Juridia
نظام RAG قانوني متعدد اللغات
إجابة سريعة عن الأسئلة وبحث فوق أكثر من 100,000 وثيقة قانونية بالعربية والفرنسية.
- متوسط زمن الاستجابة أقل من 350 ms
- دقة استرجاع أعلى بـ 18–22%
- أكثر من 100k وثيقة قانونية
التقنيات
FastAPI
PostgreSQLQdrantLlamaIndex
ReactBM25 + cross-encoder
الكود خاص (عمل لشركة أو لعميل)
نظرة عامة
الوثائق القانونية المكتوبة بالعربية والفرنسية معًا يصعب البحث فيها جيدًا: البحث بالكلمات المفتاحية وحده يفوّت نصوصًا ذات صلة، والتضمينات (embeddings) وحدها ليست دقيقة بما يكفي للأسئلة القانونية.
في Juridia صممت ونشرت نظامًا إنتاجيًا للتوليد المعزز بالاسترجاع (RAG) فوق أكثر من 100,000 وثيقة قانونية، مبنيًا بـ FastAPI وLlamaIndex وPostgreSQL وQdrant، مع واجهة بحث تتيح البحث بالكلمات المفتاحية والبحث الدلالي والبحث بالبيانات الوصفية.
الجمع بين BM25 والاسترجاع الكثيف والتضمينات متعددة اللغات، ثم إعادة الترتيب بمشفِّر متقاطع (cross-encoder)، حسّن دقة الاسترجاع بنسبة 18 إلى 22% مع إبقاء متوسط زمن الاستجابة للاستعلام أقل من 350 ملّي ثانية. الدرس الأهم: جودة الاسترجاع تعتمد على خط الترتيب بأكمله، لا على التضمينات وحدها. تنفيذ العميل خاص، لذا لا يُشارك سوى هذا الملخص التقني.
السؤال
كيف يمكن للاسترجاع متعدد اللغات أن يبقى سريعًا ودقيقًا فوق متن قانوني ضخم ومتخصص؟
أهم الميزات
- إجابة عن الأسئلة فوق أكثر من 100,000 وثيقة قانونية بالعربية والفرنسية.
- استرجاع هجين يجمع بين البحث بالكلمات المفتاحية عبر BM25 والتضمينات الكثيفة متعددة اللغات.
- إعادة ترتيب بمشفِّر متقاطع، حسّنت دقة الاسترجاع بنسبة 18 إلى 22%.
- واجهة بحث تتيح البحث بالكلمات المفتاحية والبحث الدلالي والبحث بالبيانات الوصفية.
- متوسط زمن الاستجابة للاستعلام أقل من 350 ملّي ثانية في الإنتاج.
كيف يعمل
الفهرسة
تُفهرس الوثائق للبحث بالكلمات المفتاحية وللبحث الدلالي متعدد اللغات معًا، باستخدام PostgreSQL وقاعدة البيانات المتجهية Qdrant.
الاسترجاع الهجين
يُطابَق الاستعلام بالبحث بالكلمات المفتاحية عبر BM25 وبالبحث الدلالي الكثيف معًا، مع إتاحة مرشحات البيانات الوصفية.
إعادة الترتيب
يعيد مشفِّر متقاطع ترتيب المرشحين بحيث تأتي المقاطع الأكثر صلة أولًا.
الإجابة والتقديم
تُقدَّم الإجابات المعززة بالاسترجاع عبر خدمة FastAPI مبنية بـ LlamaIndex، خلف واجهة البحث المبنية بـ React.
التقنيات المستخدمة
واجهة RAG والبحث في الإنتاج
قاعدة البيانات
قاعدة بيانات متجهية للتضمينات متعددة اللغات
إطار عمل RAG
واجهة البحث
BM25 + cross-encoder
بحث هجين بالكلمات المفتاحية وإعادة ترتيب
ما تعلمته
- جودة الاسترجاع تعتمد على خط الترتيب بأكمله، لا على التضمينات (embeddings) وحدها
الحدود
- تنفيذ العميل خاص؛ لا يُشارك سوى ملخص تقني على مستوى المعرض