العلامة التقنية

موقع تقني عربي متخصص في أخبار التكنولوجيا والذكاء الاصطناعي

كيفية بناء قاعدة معرفة قابلة للبحث باستخدام OpenKB

بقلم: فريق تحرير العلامة التقنية التصنيف: الذكاء الاصطناعي
كيفية بناء قاعدة معرفة قابلة للبحث باستخدام OpenKB

تعلم كيفية إنشاء قاعدة معرفة ذكاء اصطناعي قابلة للبحث باستخدام OpenKB وOpenRouter ونموذج Llama.

في عالم الذكاء الاصطناعي اليوم، تبرز أهمية بناء قواعد معلومات قوية وقابلة للبحث. واحدة من الأدوات التي تسهل هذا الأمر هي OpenKB، والتي يمكن استخدامها مع نموذج Llama عبر OpenRouter. في هذا الدليل، نستعرض كيفية إنشاء قاعدة معرفة محلية يمكن البحث فيها بسهولة.

إعداد بيئة العمل

للبدء، يجب علينا أولاً تثبيت OpenKB. يمكن القيام بذلك عبر تنفيذ الأمر التالي في بيئة البرمجة:

pip install openkb --quiet

بعد تثبيت OpenKB، نحتاج إلى إعداد المفتاح API الخاص بـ OpenRouter. يمكن الحصول على هذا المفتاح من خلال زيارة موقع OpenRouter والتسجيل للحصول على حساب مجاني. بمجرد الحصول على المفتاح، يمكن استخدام مكتبة getpass لتأمينه وعدم إدخاله بشكل مباشر في الكود. يمكن إعداد المتغيرات البيئية اللازمة كما يلي:

import getpass, os
OPENROUTER_API_KEY = getpass.getpass("\nأدخل مفتاح API الخاص بك (مخفي): ").strip()

بناء قاعدة المعرفة

بمجرد إعداد المفتاح، يمكننا البدء في بناء قاعدة المعرفة. نحتاج إلى إعداد هيكل ملائم للبيانات، والذي سيكون على شكل مجلد يحتوي على ملفات تمثل المعلومات التي نريد تخزينها. يمكننا استخدام مكتبات Python المختلفة لإدارة الملفات وتنظيمها.

لنفترض أننا نريد إضافة وثائق مصدر إلى قاعدة المعرفة. يمكن فعل ذلك باستخدام الأوامر الخاصة بـ OpenKB. على سبيل المثال:

kb_cmd("add_document 'path/to/document.md'")

بعد إضافة الوثائق، يمكننا توليد ملخصات وصفحات مفاهيمية لكل وثيقة، مما يسهل على المستخدمين الوصول إلى المعلومات بسرعة. كما يمكننا عرض هيكل القاعدة باستخدام أوامر معينة لفهم كيف تم تنظيم المعلومات.

إجراء الاستعلامات والتحليل

واحدة من المزايا الرئيسية لقاعدة المعرفة هي القدرة على إجراء استعلامات بحثية. يمكن للمستخدمين استفسار قاعدة المعرفة باستخدام عبارات طبيعية، مما يسهل عليهم الوصول إلى المعلومات المطلوبة بدون الحاجة لمعرفة كيفية هيكلة البيانات.

لإجراء الاستعلامات، يمكن استخدام الأوامر التالية:

result = kb_cmd("query 'استعلامك هنا'")

بعد تنفيذ الاستعلام، يمكن تحليل النتائج وعرضها بطرق مختلفة. من الممكن أيضًا إجراء تحليلات برمجية للعلاقات بين الصفحات والربط بينها.

تحويل مستندات Markdown إلى نظام معرفة متكامل

يمكننا أيضًا تحويل المستندات الخام المكتوبة بصيغة Markdown إلى نظام معرفة يمكن التنقل فيه بسهولة. هذا يسمح لنا بإضافة معلومات جديدة وتحديث القاعدة بشكل دوري. يمكن استخدام أوامر OpenKB لتحويل هذه المستندات إلى صيغة منظمة قابلة للاستعلام.

خاتمة

باستخدام OpenKB وOpenRouter ونموذج Llama، يمكن لأي شخص بناء قاعدة معرفة قابلة للبحث تتناسب مع احتياجاته. من خلال اتباع الخطوات الموضحة في هذا الدليل، يمكنك إنشاء نظام يساعدك في تنظيم المعلومات وتحليل البيانات بشكل فعال.

المصدر: MarkTechPost

أحدث في الذكاء الاصطناعي

مقالات سابقة في الذكاء الاصطناعي