
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 قد يعتقد "الخبراء" في الذكاء الاصطناعي أن استرجاع البيانات لـ RAG قد تم حله بمجرد تشغيل واجهة برمجة تطبيقات البحث الخاصة بالوكيل لنظام الاستعلام المخزن مؤقتًا. يبدو الأمر جيدًا، لكن الحقيقة هي أن هذا النهج محدود للغاية… ينتقل السوق بسرعة، حيث تظهر تيرابايتات من المعلومات الجديدة كل ثانية عبر العالم. الاعتماد على البيانات القديمة للحصول على رؤى فورية لا يكفي. الحل؟ تجهيز وكلاء الذكاء الاصطناعي بأدوات لاكتشاف مصادر جديدة وسياقية من الويب (🤫  : هذا هو المكان الذي تأتي فيه واجهة برمجة تطبيقات الاكتشاف!) تلميح في هذه المقالة، سترى لماذا يعد اكتشاف الويب المباشر أمرًا بالغ الأهمية لوكلاء الذكاء الاصطناعي وكيفية تحقيقه من خلال رؤى عملية. دعنا نتعمق في الأمر! لماذا لا يكفي البحث المخزن مؤقتًا يفترض معظم فرق الذكاء الاصطناعي أنهم قد حلوا مشكلة الاسترجاع بمجرد وجود فهرس أو بحث مخزن مؤقتًا. لديك مستنداتك، وصفحاتك المكتشفة، وقاعدة بياناتك اللامعة. كلها مخزنة بشكل أنيق، وجاهزة لتقديمها لوكلاء الذكاء الاصطناعي أو سير العمل أو خطوط الأنابيب الخاصة بك! يبدو الأمر مثاليًا، أليس كذلك؟ حسنًا، ليس تمامًا… المشكلة هي:   خاصة في المشهد الرقمي الحالي شديد الترابط. 🌐 العالم لا يتوقف… تظهر صفحات جديدة، وتظهر الاتجاهات وتتلاشى، وتنبثق مصادر متخصصة، ويتم تحديث المحتوى الحالي، أحيانًا عدة مرات في اليوم (أو حتى كل بضع ثوانٍ! ⏱️). في بيئة متعطشة للمعلومات كهذه، إذا كان وكيل الذكاء الاصطناعي الخاص بك لا يزال يسحب من اكتشاف الأمس أو فهرس الأسبوع الماضي (حتى من محركات البحث الموثوقة مثل Google)،  فهو أعمى تمامًا عن كل تلك المعلومات الاستخباراتية الجديدة ذات الصلة! الاعتماد فقط على البحث المخزن مؤقتًا/المفهرس يشبه محاولة التنقل في مدينة باستخدام خريطة قديمة 🗺️. بالتأكيد، ستحصل على بعض الإجابات، لكنك ستفوت الشوارع والاختصارات والبؤر الجديدة الأكثر أهمية. المعرفة الفورية تتطلب  ! (والتي لا يمكن لنظام واجهة برمجة تطبيقات البحث العامة للوكيل التعامل معها، بل تتطلب  ، كما سترى قريبًا…) اكتشاف الويب واجهة برمجة تطبيقات اكتشاف مخصصة اكتشاف المصادر هو مطلب أساسي للدقة الفورية للذكاء الاصطناعي فكر في الأمر بهذه الطريقة: إذا لم يكن وكيل الذكاء الاصطناعي الخاص بك يكتشف مصادر جديدة، فهو يخمن (حتى لو بدا واثقًا!). بعد كل شيء، تقوم معظم خطوط أنابيب الاسترجاع بالتحسين لما هو معروف بالفعل: الصفحات المفهرسة من محركات البحث، ونتائج البحث المخزنة مؤقتًا، والنطاقات المعتمدة مسبقًا أو المعروفة. هذا فعال، ولكنه ليس دقيقًا… 😬 يعمل الاكتشاف المستقل للمصادر على تحسين الدقة بشكل مباشر بثلاث طرق رئيسية: 
 
 
 
 🌍  : الدليل الأكثر صلة يعيش عادةً   أو النتائج القليلة الأولى المفهرسة. يشمل ذلك المدونات المتخصصة، ومنتديات المجتمع، والمواقع الإخبارية الإقليمية، والوثائق الجديدة، أو صفحات الهبوط الجديدة تمامًا التي لم تكن موجودة بالأمس، ولم تظهر بعد في النتائج الأولى لـ Google، أو تم دفنها عمدًا من قبل الشركات. عندما تعتمد فقط على البحث المخزن مؤقتًا، تظل هذه الإشارات مخفية تمامًا. زيادة التغطية خارج مجموعات البيانات الحالية الخاصة بك 👀  : الأنظمة المخزنة مؤقتًا تتعطل بصمت عندما يتغير العالم. صفحات الأسعار الجديدة، والسياسات المحدثة، والأحداث العاجلة هي نقاط فشل شائعة. يمكن لوكلاء الذكاء الاصطناعي الذين يكتشفون بنشاط الروابط ذات الصلة من مصادر جديدة التكيف مع المعلومات الجديدة عند ظهورها، بدلاً من التعثر في المعرفة القديمة. تقليل النقاط العمياء ✅  : ليست كل خطوط أنابيب الذكاء الاصطناعي تدور فقط حول العثور على إجابة. في بعض الحالات، يتعلق الأمر بالتحقق من صحة هذه الإجابة مقابل أحدث المصادر المتاحة. يتيح اكتشاف الويب المباشر جنبًا إلى جنب مع الاسترجاع في الوقت الفعلي لوكلاء الذكاء الاصطناعي التحقق من الادعاءات باستخدام بيانات حديثة وموثوقة والبقاء متجذرين في الواقع. التحقق الإضافي باختصار، توفير اكتشاف الويب لوكلاء الذكاء الاصطناعي (وليس مجرد واجهة برمجة تطبيقات بحث عامة للوكيل متصلة بقاعدة بياناتك أو تستهدف النتيجة الأولى في محرك بحث) ليس ميزة إضافية. إنه أساس  اكتساب المعرفة الفوري! لفهم أفضل للمسألة والتحديات القائمة، ألق نظرة على جداول المقارنة الموجزة أدناه… 💭 البيانات المخزنة مؤقتًا والساكنة مقابل البيانات المكتشفة والمباشرة 
 
 
 
 
 
 
 
 
 
 
 
 
 البيانات المخزنة مؤقتًا والساكنة 
 البيانات المكتشفة والمباشرة 
 
 
 
 
 الطبيعة 
 ساكنة. يتم استرجاعها مرة واحدة أو تحديثها بشكل متقطع بجدول زمني متكرر. 
 ديناميكية. يتم سحبها في الوقت الفعلي من الويب عند الحاجة إلى البيانات. 
 
 
 
 
 التغطية 
 محدودة بالمصادر المعروفة والمفهرسة مسبقًا. تفوت المحتوى الجديد والمتخصص. 
 تتوسع ديناميكيًا إلى صفحات جديدة ومصادر ناشئة ومحتوى محدث. 
 
 
 
 
 القدرة على التكيف 
 تكافح عندما يتغير العالم. تتطلب إعادة الزحف أو إعادة الفهرسة يدويًا. 
 تتكيف فورًا مع التحديثات والأحداث الجديدة والظروف المتغيرة. 
 
 
 
 
 النقاط العمياء 
 خطر كبير للفشل الصامت عندما تكون البيانات ذات الصلة خارج ذاكرة التخزين المؤقت. 
 فجوات مخفية بفضل القدرة على اكتشاف الروابط ذات الصلة. 
 
 
 
 
 الأنسب لـ 
 قواعد المعرفة الساكنة والوثائق الداخلية. 
 وكلاء الذكاء الاصطناعي المدركون للسوق في الوقت الفعلي والذين يتطلبون دقة فورية. المصادر المعروفة مقابل بيانات الاكتشاف 
 
 
 
 
 
 
 
 
 
 
 
 
 المصادر المعروفة (أنظمة مخزنة مؤقتًا) 
 بيانات مكتشفة (على الطاير) 
 
 
 
 
 اختيار المصدر 
 في معظم الحالات، ثابتة ومحددة مسبقًا. يتم اختيار المصادر مسبقًا (أو تقتصر على أعلى المواقع في محركات البحث مثل Google). 
 ديناميكي وتكيفي. يكتشف الوكيل المصادر بشكل مستقل في وقت الاستعلام. 
 
 
 
 
 التخزين 
 مخزنة في قواعد البيانات، ذاكرة التخزين المؤقت، الأقراص، إلخ. 
 تضاف مباشرة إلى ذاكرة التخزين المؤقت للوكيل الذكي عند اكتشافها. 
 
 
 
 
 تنسيق البيانات 
 جداول علائقية، ملفات، نص، وتنسيقات مماثلة. 
 عادةً ما تكون التنسيقات المحسّنة لـ LLM  . مثل JSON و Markdown 
 
 
 
 
 نموذج الاكتشاف 
 لا يوجد اكتشاف حقيقي. يعتمد الاسترجاع على البحث في مصادر البيانات المفهرسة أو المخزنة مؤقتًا. 
 اكتشاف نشط للروابط والصفحات والموارد ذات الصلة عبر الويب المباشر. 
 
 
 
 
 الحداثة 
 يعتمد على جداول الزحف أو الفهرسة. غالبًا ما يكون قديمًا. 
 في الوقت الفعلي. تعكس البيانات الحالة الحالية للويب. كيف يعمل اكتشاف الويب عمليًا في نظام الذكاء الاصطناعي الوكيل يحدث استرجاع البيانات في وكلاء الذكاء الاصطناعي عادةً من خلال RAG ( ). يعزز RAG الاستجابات من خلال تزويد نماذج اللغات الكبيرة بالمعلومات الصحيحة، مما يحسن دقة الإجابة عبر التأريض السياقي. التوليد المعزز بالاسترجاع في إعداد بحث تقليدي مخزن مؤقتًا/مفهرس، يعتمد نظامك على واجهة برمجة تطبيقات بحث مخصصة للوكيل. يجلب النظام النتائج التي تبدو ذات صلة بناءً على استعلام المستخدم. يتم سحب البيانات إما إلى قاعدة بيانات محلية أو استرجاعها من محركات البحث مثل Google، وعادةً ما تستهدف النتائج الأولى… هل هذا منطقي؟ يقتصر الناتج على ما قام محرك البحث بالفعل بزحفه وترتيبه في الأعلى، أو ما يعرفه نظام المعرفة الخاص بك ويخزنه بالفعل. هذا يعني أن  . الرؤى التي يمكنك استخلاصها من المصادر المخزنة مؤقتًا أو المفهرسة محدودة حسب التصميم تشارك قواعد بيانات المتجهات وخوارزميات التشابه خلف الكواليس، ولكن هذه ليست النقطة هنا. المشكلة الأساسية واضحة: هذا النوع من نظام اكتشاف المعرفة مقيد. إنه  . نحتاج إلى نهج أفضل! لا يمكنه اكتشاف الصفحات أو الموارد الجديدة والناشئة بنشاط لماذا يعد نظام اكتشاف المصادر الوكيل هو الحل أدخل  . هنا، يتم تكليف وكيل أو أكثر من وكلاء الذكاء الاصطناعي  . إليك كيفية عملها عمليًا: نظام اكتشاف الوكيل بالبحث بنشاط عن مصادر جديدة وذات صلة على الويب المباشر 
 
 
 
  وتشغيلها على نظام اكتشاف روابط مخصص، والذي يعيد مئات الروابط (بما في ذلك العديد من المصادر التي لم تفكر فيها من قبل) 🔍. ترجمة استعلام المستخدم إلى استعلامات بحث تحديد الروابط الأكثر احتمالاً لاحتواء معلومات عالية القيمة 🎯. الوصول إليها واسترجاع المحتوى بتنسيق يمكن لنماذج اللغات الكبيرة معالجته 📝. باختصار، تدور الدورة حول   (عملية ليست بعيدة عن   الشهير). هذا يتجاوز البحث الساكن المخزن مؤقتًا/المفهرس: يكتشف الوكيل ديناميكيًا مصادر جديدة قد لا تفكر أبدًا في فهرستها (والتي غالبًا ما تلتقط الرؤى الأكثر صلة! 😜) الاكتشاف والتقييم والاكتساب نمط الذكاء الاصطناعي للبحث والاستخراج لا تزال غير مقتنع؟ استمع إلى الخبراء… https://www.youtube.com/watch?v=UYXQsd6tQ0M&embedable=true بالطبع، لا يمكن لأي وكيل ذكاء اصطناعي (بغض النظر عن نماذج اللغات الكبيرة التي تعمل بها) القيام بذلك بمفرده. إنه يحتاج إلى أداة للبحث في الويب واستخراج البيانات المنظمة. هذا هو المكان الذي تلعب فيه   دورًا! واجهة برمجة تطبيقات الاكتشاف واجهة برمجة تطبيقات البحث الخاصة بوكيل الذكاء الاصطناعي ليست كافية… الحل هو واجهة برمجة تطبيقات الاكتشاف الآن بعد أن عرفت أن نظام واجهة برمجة تطبيقات البحث العادي للوكيل ليس كافيًا، فما هي القطعة المفقودة؟ 🤔 القطعة المفقودة في لغز وكيل الذكاء الاصطناعي هي الأداة التي تسمح للوكلاء باكتشاف مصادر جديدة بشكل مستقل واستخراج معلومات ذات صلة منها. هذا بالضبط ما تدور حوله واجهة برمجة تطبيقات الاكتشاف! إذًا، ما الذي تقدمه هذه الأداة لوكيل الذكاء الاصطناعي الخاص بك فعليًا؟ إنها تمكنه من: 
 
 
 البحث في الويب عن روابط دقيقة وحديثة وسياقية بناءً على استعلام بحث. إرجاع قائمة طويلة من الروابط (100+)، مرتبة وفقًا لنيتك باستخدام أحد خوارزميات الترتيب المتاحة. باستخدام هذه الروابط، يمكنك الوثوق بالنتائج الأولى أو إعادة ترتيبها بناءً على أهدافك. ثم، استخرج المعلومات من الروابط المحددة وقم بتغذيتها إلى وكيل الذكاء الاصطناعي الخاص بك بتنسيق  . جاهز لـ LLM هل تبحث عن مزود موثوق لواجهة برمجة تطبيقات الاكتشاف؟ لا داعي للبحث بعيدًا عن  ! Bright Data تأتي Bright Data مع قائمة طويلة من  ! حلول بيانات الويب للذكاء الاصطناعي هذه الحلول مبنية على بنية تحتية قابلة للتوسع بالكامل مع  . أضف  ، وتنسيقات بيانات محسّنة لـ LLM، و  أكثر من 150 مليون بروكسي عبر 95 دولة، ووقت تشغيل بنسبة 99.99%، ومعدل نجاح بنسبة 99.99% دعمًا على مدار الساعة طوال أيام الأسبوع تكامل أصلي مع أكثر من 70 إطار عمل للذكاء الاصطناعي. هل تريد معرفة المزيد؟ تحقق من  ! 🎓 قمة اكتشاف الويب الخاتمة في هذه المشاركة، استكشفت لماذا لا يكفي البحث المخزن مؤقتًا ولماذا يعد تمكين وكلاء الذكاء الاصطناعي من اكتشاف البيانات والمصادر الجديدة من الويب هو الحل الحقيقي. للحصول على معرفة ثاقبة وفريدة حقًا، لا يمكنك الاعتماد على البيانات القديمة والساكنة! أفضل طريقة لتنفيذ اكتشاف الويب في الوقت الفعلي هي من خلال واجهة برمجة تطبيقات الاكتشاف. بعد كل شيء، لا يمكن لواجهة برمجة تطبيقات البحث "التقليدية" لوكيل الذكاء الاصطناعي سوى الاستعلام عن البيانات المخزنة مؤقتًا أو المفهرسة، بينما يجب على وكلاء الذكاء الاصطناعي لديك اكتشاف مصادر جديدة ليكونوا فعالين حقًا. كما رأيت، تدعم Bright Data سيناريوهات اكتشاف الويب بالإضافة إلى مجموعة واسعة من خطوط أنابيب بيانات الويب لأنظمة الذكاء الاصطناعي الوكيل. بفضل حلولنا، لم يكن اكتشاف الويب في الوقت الفعلي أسهل من أي وقت مضى! . دعنا نجعل بيانات الويب متاحة للجميع، بما في ذلك وكلاء الذكاء الاصطناعي، لأنظمة أذكى. حتى المرة القادمة! انضم إلى مهمتنا بالبدء بتجربة مجانية

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

This writer has a vested interest be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

تم إنتاج هذا الصوت باللغة الأصلية للقصة!

لماذا يجب على وكلاء الذكاء الاصطناعي اكتشاف مصادر جديدة، وليس الاعتماد فقط على البحث المخزن مؤقتًا

About Author

تعليقات

شنق العلامات

تم تقديم هذه المقالة في

Related Stories

Cappasity -Turning dreams into Augmented reality

30 Top Blockchain Development Companies in 2019

I2ShowSpeed With My HackerNoon Articles on Bitcoin

The shortage of women in tech

Cappasity -Turning dreams into Augmented reality

30 Top Blockchain Development Companies in 2019

I2ShowSpeed With My HackerNoon Articles on Bitcoin

The shortage of women in tech

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps