بنکەدراوەی واتایی Clevi

1. سنووردارییەکانی Catastrophic Forgetting و RAG

کاتێک زیرەکی دەستکرد لە کاری ڕاستەقینەدا بەکاردێت، یەکێک لە گەورەترین نیگەرانییەکان دیاردەی لەبیرچوونەوەی کارەساتبار (Catastrophic Forgetting)ە، کە لە کاتی فاین-تیونکردنی زانیارییە فێربووە کۆنەکان بە داتای نوێدا ڕوودەدات.

ئەمە دیاردەیەکە کە تێیدا زیرەکی دەستکردی پشتبەستوو بە تۆڕی ئەعصاب، لە پرۆسەی فێربوونی زانیارییە نوێکاندا، زانیاری یان نەخشەکانی پێشتر فێربووی بەخێرایی لەدەست دەدات.

بۆ نموونە، ئەگەر LLMێکی سەرچاوەکراوە بە داتای تایبەتی کۆمپانیایەک فاین-تیون بکرێت، ڕەنگە زانیارییە گشتییەکان یان توانای زمان کەم ببێتەوە.

بۆ دوورکەوتنەوە لەم کێشەیە، تەکنەلۆژیای RAG(Retrieval-Augmented Generation) بە شێوەیەکی بەرچاو بەکاردێت، بەڵام RAGیش سنوورداریی هەیە.

سنووردارییە سەرەکییەکانی RAG

• نەبوونی توانای پڕۆسەکردنی داتای ڕێکخراو (Structured Data QA): سیستەمی RAG بە شێوەیەکی سەرەکی بۆ بەڵگەنامە دەقییە نائۆرگانیزەکان باشکراوە، بۆیە ناتوانێت واتا و پەیوەندییەکانی داتای ڕێکخراو (خشتە، بنکەدراوە، سپڕێدشیت و هتد) بە دروستی تێبگات یان بەکاری بهێنێت.
• سنووردارییەکانی PDF ـە ئاڵۆزەکان و بەڵگەنامە نائۆرگانیزەکان (Complex PDFs): بەڵگەنامە PDF ـە ئاڵۆزەکان (لەخۆگرتنی خشتە، چەند ستوون، وێنە و هتد) لە پرۆسەی chunking (دابەشکردن) ـدا لەوانەیە زانیارییان لێ ون بێت یان کۆنتێکستەکەیان بشێوێنرێت. لەمەشەوە داتای گرنگ ئیندێکس نەکرێت یان گەڕان بەدوایدا قورس بێت.
• نەبوونی مۆدێلی Fallback (Fallback Model(s)): کاتێک سیستەمی RAG نەتوانێت وەڵامێکی گونجاو بدۆزێتەوە، لۆجیکی گواستنەوە بۆ مۆدێلی جێگرەوە (پاشەکەوت) کەمە یان کاریگەر نییە. لەمەشەوە کاتێک وەڵام شکستی دەهێنێت، بەکارهێنەر هەڵبژاردەیەکی جێگرەوەی ڕازی‌کەر پێشکەش ناکرێت.
• لاوازییەکانی ئاسایش (LLM Security): بەرگری لە بەڵگەکانی ئاسایشی خودی LLM (وەک پرۆمپت ئینجێکشن، دزەپێکردنی داتا و هتد) بە تەواوی بەهێز نییە، کە مەترسیی ئاشکرابوونی زانیارییە هەستیارەکان دروست دەکات.
• کەمیی فراوانبوون (Data Ingestion Scalability): لە پرۆسەی ئیندێکسکردن و هەڵگرتنی داتای زۆرەکدا کێشەی فراوانبوون دروست دەبێت. هەرچی داتا زیاتر بێت، خێرایی chunking، هەڵگرتن و گەڕان کەمتر دەبێت و بارودۆخی سیستەم زیاد دەکات.
• ونبوونی زانیاریی گرنگ (Missing Content): زۆرجار ناوەڕۆکی گرنگی بەڵگەنامەکە لە پرۆسەی chunking ـدا ون دەبێت یان ئیندێکس ناکرێت. لەمەشەوە بەکارهێنەر ناتوانێت زانیارییەکەی دەیەوێت بدۆزێتەوە.
• ونبوونی پلەی سەرەوە (Missed Top Ranked): لە ئەنجامەکانی گەڕاندا لەوانەیە ئەو chunk ـەی بەڕاستی پەیوەندیدارترینە (پلەی سەرەوە) ون بێت. سنووردارییەکانی ئەلگۆریتمی گەڕان، کەمبوونەوەی کوالێتی ئیمبێدینگ و هەڵەی ڕیزبەندی هۆکارەکانن.
• ناگونجانی کۆنتێکست (Not in Context): زۆرجار chunk ـە گەڕێندراوەکە لەگەڵ کۆنتێکستی ڕاستەقینەی پرسیارەکە ناگونجێت. بەهۆی سنووردارییەکانی گەڕانی تەنها لەسەر بنەمای هاوشێوەیی، پەیوەندیی واتایی کەمە.
• هەڵەی فۆرمات (Wrong Format): فۆرماتی chunk ـە گەڕێندراوەکە لەوانەیە بۆ پرۆسەکردنی LLM گونجاو نەبێت یان لە فۆرماتی وەڵامی خوازراوی بەکارهێنەر جیاواز بێت. بۆ نموونە، کاتێک خشتەیەک دەگۆڕدرێت بۆ دەق و زانیارییەکە دەشێوێنرێت.
• شکستی دەرهێنانی زانیاری (Not Extracted): زانیاریی پێویست لە chunk ـەکە بە دروستی دەرهێنراو نییە یان LLM ناتوانێت زانیارییەکە بناسێتەوە. ئەمە زۆرجار لە ڕستەسازیی ئاڵۆز، خشتە و وێنەکاندا ڕوودەدات.
• ناگونجانی مەودا/قووڵایی زانیاری (Incorrect Specificity): وەڵامەکە بۆ پرسیارەکە زۆر گشتییە، یان بە پێچەوانەوە زۆر وردە، بۆیە لەگەڵ پێداویستیی ڕاستەقینەی بەکارهێنەر ناگونجێت. ڕێکخستنی مەودا و قووڵایی زانیاری قورسە.
• وەڵامی ناتەواو (Incomplete): لە کۆتاییدا وەڵامی دروستکراو ناتەواوە، یان تەنها بەشێک لە زانیارییەکان پێشکەش دەکات و بە تەواوی پێداویستیی بەکارهێنەر پڕ ناکاتەوە. نەبوونی توانای کۆکردنەوەی زانیاری لە چەند chunk ـێکەوە، یان بەکارهێنانی تەنها بەشێک لەلایەن LLM ـەوە، هۆکارەکانن.

بەم شێوەیە، چونکە RAG زۆر پشت بە گەڕانی هاوشێوەیی ڤێکتەر و ئیندێکسکردنی بنەمای chunk دەبەستێت، سنوورەکانی لە ڕووی متمانەپێکراوی، فراوانبوون و وردییەوە لە کاری ڕاستەقینەدا بە ڕوونی دیارن.

2. بنکەدراوەی داتای سێمانتیکی Clevi کە سنوورەکانی RAGی تێپەڕاندووە

بۆ تێپەڕاندنی ئەم سنوورانە، Clevi زیربینایەکی نوێی زانیاریی AI، Clevi Semantic Databaseی گەشەپێداوە کە بۆ بەستەری سێمانتیکی، لێکدانەوەی ئاڵۆز و وەڵامی بنەما-پشتبەستوو باشترکراوە.

ئەم چارەسەرە بەهۆی ئەوەوە دەکرێت کە خۆی مۆدێلی Reasoning، AIی چەند-شێوەیی و مۆدێلی AIی جۆری ئەجێنتی هەیە، و یەکێکە لە تەکنەلۆژیا بەهێز و تایبەتەکانی Clevi کە وای دەکات AI لە ژیانی ڕاستەقینەدا بەڕاستی سوودبەخش بێت.

بەراوردێک ئەگەر بنکەدراوەی داتا کە زانیارییەکان تێیدا هەڵگیراون بە کتێبخانەیەک بچوێنین، دەتوانین بنکەدراوەی داتای سێمانتیکی Clevi بە کتێبخانەوانێکی زۆر لێهاتوو دابنێین. (کاتێک زانیاریی پێویست لە کتێبخانەوانەکە داوا دەکەیت، دەتوانیت وەڵامێکی ورد و خێرا وەربگریت.)

بەکارهێنەر دەتوانێت هەر کاتێک زانیاریی نوێ لە کتێبخانەکە زیاد بکات و زانیاریی پێویست بهێنێتەوە.

هەروەها دەتوانیت بەڕێوەبردنی وەشانەکانی داتا و مۆڵەتی دەستگەیشتن بەو شێوەیەی دەتەوێت ڕێکبخەیت.

چونکە هەموو کردارەکانی کتێبخانەوانەکە وەک لۆگ (تۆمار) دەمێنێتەوە، تەنانەت ئەگەر هەڵەیەک ڕووبداتیش دەتوانرێت چاک بکرێتەوە.

<Clevi Semantic Database Structure>

تایبەتمەندییە سەرەکییەکان و پێکهاتەی تەکنەلۆژیا

هەڵگرتنی داتای سێمانتیکی

• هەڵگرتنی پەیوەندییە سێمانتیکییەکانی نێوان داتا (کۆنتێکست، چینایەتی، هۆکار و هتد) لە Graph DB، نەک تەنها Vector DBی سادەی بنەمای chunk
• بە شێوەی گرافی زانیاری/تۆڕی سێمانتیکی بە ئاسانی فراوان و تەواو دەکرێت

گەڕان و لێکدانەوەی هایبرید

• CTA+Context Query: کۆنتێکستی پرسیارەکە (Context) و CTA بەیەکەوە لەبەرچاو دەگرێت
• Hybrid Retrieval: تێکەڵکردنی گەڕانی هاوشێوەیی ڤێکتەر + گەڕانی بنەما-یاسا/گراف
• Intelligent Folder Hits: دۆزینەوەی خۆکارانەی فولدەر/پۆلە بە پەیوەندیی سێمانتیکی

پرۆسەکردنی هاوکاتی چەند-شێوەیی

• TextReader Pool، VisionReader Pool و هتد، شیکردنەوەی هاوکاتی داتای جۆراوجۆر وەک دەق، وێنە، خشتە و دەنگ
• لە کاتێکدا RAGی کۆن بە شێوەیەکی سەرەکی تەنها دەتوانێت دەق پرۆسە بکات، بنکەدراوەی داتای سێمانتیکی توانای پرۆسەکردنی چەند-شێوەیی زۆر بەرزی هەیە

وەڵامی بنەما-پشتبەستوو و پشتڕاستکردنەوەی متمانەپێکراوی

• 文件摘要與引文、表格發現等文件摘要·來源自動生成
• Merge & Verify：多個來源資訊的語義整合及可靠性驗證
• Evidence Pack：提供基於證據的回應套件

複合推理與規劃器

• Planner/DAG：針對複雜查詢制定分步計畫，並基於 DAG（Directed Acyclic Graph）進行推理

整合代理架構

• cip-5-agent Supervisor：管理及協調整體搜尋／推理／整合流程的最高層代理

3. 結構摘要與比較

總結而言，Semantic DB 接收各種形式（語音、文字、圖片、影片等）的資料，不僅將其分割為 Chunk，還連結資料之間的語義關係（脈絡、層級、因果等），以此對知識進行分類。

基於此，與 RAG 類似的關鍵字／相似度搜尋不同，它利用語義連結進行搜尋與推理，因此能從 AI 獲得更精確的資訊搜尋結果與回答。

此外，由於資料以知識圖譜／語義網路的形式儲存，因此便於持續擴展與補充。

我們 Clevi 在 AI 大轉型的時代發現了 RAG 系統的局限，並透過能夠解決這些問題的語義資料庫與自主 AI 模型，讓客戶能夠快速獲得更精確且更值得信賴的資料回應。

我們 Clevi 的 AI 系統無論在何種環境中，都能不受領域種類限制，讓客戶珍貴的資料發揮價值。

今後，Clevi 也將竭盡全力，最大化客戶資料的價值，並提供創新的 AI 體驗。

敬請與 Clevi 一同體驗嶄新的 AI 未來。

諮詢及示範申請：[email protected]

Copyright© 2025 Clevi Inc. All rights reserved.