تلخيص نظام البحث العميق لتسريع مهام المهندسين في شركة جوجل في عام 2025، أصبحت الأنظمة التقليدية للبحث واسترجاع المعلومات (RAG) غير كافية لمعالجة الاستعلامات التقنية المعقدة وغير المحددة التي يطرحها العملاء. لذلك، طورت شركة جوجل نظامًا جديدًا يسمى "البحث العميق" (Deep Research) لتسريع وأتمتة المهام التقنية الخاصة بمهندسي العملاء. هذا النظام مصمم ليكون أكثر مرونة وفعالية في التعامل مع استفسارات العملاء وتقديم إجابات دقيقة ومفصلة. المراحل الرئيسية لنظام البحث العميق فهم وتوضيح طلب المستخدم: الهدف هو استخراج الأسئلة التقنية من سجلات الاجتماعات بين مهندس العملاء وعملائه. يتم استخدام نموذج لغوي (LLM) مع درجة حرارة منخفضة (0.1) لضمان الدقة والواقعية في استخراج الأسئلة. يتم تحويل الأسئلة إلى شكل صيغة سؤال موجزة ودقيقة، ويتم تخزينها في مصفوفة من الأسئلة. البحث والاسترجاع المتوازي: يستخدم النظام مصدرين رئيسيين للمعرفة: قاعدة بيانات معرفية مخصصة مبنية على مقتطفات من الوثائق التقنية لجوجل كلاود (GCP)، ومصدر البحث القابل للبرمجة من جوجل. يتم تنفيذ البحث عبر هذين المصدرين بشكل متوازي باستخدام وظائف مخصصة في Genkit، مما يسرع عملية جمع المعلومات. دمج نتائج البحث: يتم دمج النتائج في تقرير موحد يوفر إجابات واضحة ودقيقة على الأسئلة التقنية، مع الإشارة إلى أي احتياطات أو أفضل الممارسات. يتم استخدام نموذج لغوي مرة أخرى لإنشاء مسودة بريد إلكتروني متابعة بشكل احترافي وودي، يلخص الاجتماع ويقدم إجابات موجزة على كل سؤال تقني، مع روابط إلى الوثائق ذات الصلة عند الحاجة. التنفيذ التفصيلي استخراج الأسئلة التقنية: يتم تحويل سجل الاجتماع إلى نص خام وإرساله إلى نموذج لغوي مع تكوين محدد يتضمن درجة حرارة منخفضة (0.1). يتم إخراج الأسئلة في صيغة مصفوفة من الأسئلة التقنية، حيث يتم حفظ كل سؤال بوصفه كائنًا يحتوي على وصف السؤال فقط. البحث والاسترجاع: يتم استخدام مكتبة Genkit لتعريف مصادر المعرفة المخصصة وتنفيذ عمليات البحث. يتم تنفيذ بحث متجه في قاعدة البيانات المعرفية المخصصة باستخدام مؤشر المتجه في Firestore. يتم استخدام بحث قابل للبرمجة من جوجل لاستخراج الوثائق الحديثة والمرتبطة من الإنترنت. يتم دمج نتائج البحث من كلا المصدرتين في تقرير بحث لكل سؤال، يتضمن الإجابة، الاحتياطات، وروابط الوثائق ذات الصلة. دمج نتائج البحث: يتم استخدام نموذج لغوي مرة أخرى لإنشاء مسودة بريد إلكتروني متابعة. يتم تكوين البريد الإلكتروني ليبدأ بمراجع موجزة للاجتماع، ويقدم إجابات موجزة ومباشرة على كل سؤال تقني، مع روابط إلى الوثائق المناسبة. يتم الحفاظ على لغة احترافية وودية، وختام البريد الإلكتروني يشير إلى الخطوات التالية أو يقدم عرضًا للإيضاحات الإضافية. التقييم والملاحظات يعد نظام البحث العميق أحد أكثر التصاميم المفيدة لتطبيقات الذكاء الصناعي الجيل الجديد. يعتقد الكثيرون أنه سيصبح أداة أساسية تسريع وأتمتة العديد من المهام اليومية للموظفين الذين يعملون في مجال المعرفة في غضون 1-2 سنة. الفعالية العملية لهذا النظام تعتمد بشكل كبير على جودة وlevance المعرفة المتاحة له. إذا كنت بحاجة إلى تعديل النتائج بشكل أكبر، يمكنك التركيز على جودة الاسترجاع وتحرير التقرير النهائي. يعتبر تحرير التقرير النهائي أمرًا حاسمًا، خاصة عند تقديم النظام للمستخدمين النهائيين، حيث يجب أن يكون التقرير النهائي متوافقًا مع احتياجات المستخدمين. بالطبع، يمكن النظر في تنفيذ حلقات عمل ذكية (agentic loops) للمهام الأكثر تعقيدًا، ولكن غالباً ما تكون هذه الحلقات غير ضرورية عندما يكون التدفق الحالي فعالًا ودقيقًا. نبذة تعريفية عن Genkit Genkit هي منصة تطوير تتيح للمهندسين إنشاء تطبيقات الذكاء الصناعي المخصصة بسهولة وكفاءة. توفر Genkit أدوات وأطر عمل لبناء وربط مصادر المعرفة المختلفة، وتنفيذ عمليات البحث والاسترجاع بشكل متوازي، ودمج النتائج في تقارير موحدة. تعتبر Genkit خيارًا ممتازًا للمشاريع التي تتطلب مرونة وتحكمًا دقيقًا في تدفق البيانات والعمليات. لمزيد من التفاصيل حول التنفيذ، يمكنك زيارة المستودع الكامل للشفرة المصدية على GitHub. تصفح الكود واستكشف التفاصيل الفنية، وقم بتعديله ليناسب مهام البحث المكثف الخاصة بك. هل جربت نمط البحث العميق من قبل؟ هل تمكنت من تعديله لتتناسب مع احتياجاتك؟ أي مهام يومية في عملك تخطط لأتمتتها باستخدام هذا النظام؟