الضبط الدقيق أم RAG؟ إطار القرار المعماري لأنظمة الذكاء الاصطناعي المؤسسية
كيف تختار بين الضبط الدقيق والتوليد المعزّز بالاسترجاع — عن قصدٍ وعِلم، لا بحكم العادة
بقلم
Tenten AI Research
ML Engineering
تاريخ النشر
1 أبريل 2026
وقت القراءة
19 min

الملخص
الاختيار بين الضبط الدقيق (fine-tuning) والتوليد المعزّز بالاسترجاع (RAG) هو أكثر القرارات المعمارية إثارةً للجدل في تصميم أنظمة الذكاء الاصطناعي المؤسسية. وهو أيضاً أكثرها وقوعاً في الخطأ — إذ تختار الفرق بناءً على ما يبدو مثيراً تقنياً، لا على ما تتطلبه المشكلة فعلاً.
تعرض هذه الورقة البيضاء إطار القرار الذي طوّرته Tenten AI عبر أكثر من 20 تعاملاً مؤسسياً. الإطار ليس وصفةً جاهزة: فهناك حالات يكون فيها الضبط الدقيق هو الصواب الواضح، وحالات يكون فيها RAG هو الصواب الواضح، وحالات يلزم فيها الاثنان معاً. والهدف هو منح الفرق المفردات والمعايير لاتخاذ القرار عن قصدٍ ووعي، لا بحكم العادة.
التوضيح الأول والأهم: الضبط الدقيق وRAG يحلّان مشكلتين مختلفتين. الضبط الدقيق يغيّر ما يعرف النموذج كيف يفعله. أما RAG فيغيّر ما هي المعلومات المتاحة أثناء الاستدلال. والخلط بين هاتين المشكلتين هو منشأ معظم الأخطاء المعمارية في هذا المجال.
المحتوى الكامل
افتح الورقة البيضاء كاملةً
أرسل بياناتك لفتح المحتوى الكامل فورًا. نرسل نشرة تقنية واحدة إلى اثنتين شهريًا — يمكنك إلغاء الاشتراك في أي وقت.
بالإرسال، توافق على تلقي تحديثات تقنية من Tenten AI. يمكنك إلغاء الاشتراك في أي وقت.

تدفقات عمل الذكاء الاصطناعي،
مدمجة في عملياتك
نندمج داخل فريقك عبر FDE وFDM لبناء وكلاء وتدفقات عمل الذكاء الاصطناعي التي يعتمد عليها فريقك يوميًا — جاهزة خلال أسابيع، لا أرباع سنة.