الذكاء الاصطناعي والأتمتة (AI / Automation)
نظام ذكاء اصطناعي مؤسسي (RAG) متعدد المستأجرين مع ذاكرة سياقية وأتمتة مسارات العمل
تصميم وبناء مساعد ذكي متكامل للشركات يعمل عبر تطبيق تيليجرام لتقديم دعم فني فوري ودقيق استناداً إلى مستندات كل شركة الخاصة (ملفات PDF). يتيح النظام خدمة عدة مؤسسات في وقت واحد (Multi-Tenant) مع ضمان العزل التام للبيانات. تم تطوير مسار عمل مؤتمت عبر n8n لتوجيه استعلامات المستخدمين ديناميكياً، ودمج تقنيات LangGraph لتزويد الوكيل الذكي بذاكرة جلسات (Session Memory) تتيح له فهم السياق والإجابة على الأسئلة المترابطة. يعتمد النظام على واجهة خلفية بـ FastAPI متصلة بقاعدة بيانات متجهة (Qdrant) لمعالجة النصوص واستخراج الإجابات الدقيقة المدعومة بالمصادر. تم بناء النظام واختباره في بيئة معزولة ومستقرة (Docker) لضمان التوافقية، وهو مهيأ بالكامل للرفع والتشغيل على الخدمات السحابية (Cloud) ليعمل بمرونة وموثوقية على جميع الجهات.
تم تصميم وتطوير نظام مساعد ذكي متكامل يعمل عبر واجهة تيليجرام لتقديم خدمات الدعم الفني للشركات استناداً إلى مستندات كل مؤسسة (PDF). يعتمد النظام على معمارية التوليد المعزز بالاسترجاع (RAG) لخدمة عدة مؤسسات في وقت واحد (Multi-Tenant) مع ضمان العزل التام للبيانات. تم تطوير النظام واختباره في بيئة Docker معزولة للتجربة، وهو مهيأ بالكامل للرفع والعمل على خوادم خارجية (VPS) أو خدمات سحابية بمرونة عالية.
التحدي
واجهت المؤسسات ثلاثة تحديات رئيسية:
تداخل البيانات: صعوبة تقديم دعم فني لعدة شركات من خلال مساعد ذكي واحد دون المخاطرة بتسريب بيانات شركة لأخرى.
غياب السياق والهلوسة: افتقار روبوتات الدردشة التقليدية للذاكرة المستمرة، واعتمادها على توليد إجابات غير دقيقة تضر بجودة الدعم الفني.
قيود واجهات العرض (Frontend): الرفض المتكرر لرسائل الـ Webhook من خوادم تيليجرام بسبب أخطاء تنسيق النصوص (Markdown parsing errors) عند توليد مخرجات الذكاء الاصطناعي.
الحل التقني والمعمارية
تم بناء معمارية خدمات مصغرة (Microservices) تتكون من:
واجهة برمجية خلفية (Backend): مبنية باستخدام FastAPI لمعالجة طلبات الاستعلام وإدارة تدفق البيانات.
قاعدة البيانات المتجهة: استخدام Qdrant لتضمين نصوص المستندات المؤسسية وتخزينها، مع ربط كل كيان بيانات بمعرف خاص بالشركة (tenant_id).
محرك الأتمتة والتوجيه: استخدام n8n كطبقة وسيطة (Middleware) لاستقبال طلبات تيليجرام، وتوجيهها ديناميكياً باستخدام أكواد JavaScript مخصصة تحدد الشركة بناءً على معرف المستخدم (Telegram ID).
الميزات المتقدمة
العزل المطلق للبيانات (Multi-Tenancy): يتم تمرير tenant_id كمرشح (Filter) أساسي في كل استعلام لقاعدة بيانات Qdrant، مما يمنع استرجاع أي مستند لا يخص شركة المستخدم.
الذاكرة السياقية (Contextual Memory): دمج مكتبة LangGraph لتفعيل ذاكرة الجلسات (MemorySaver). يتيح ذلك للوكيل الذكي تذكر المحادثات السابقة لكل مستخدم، مما يضمن إجابات دقيقة على الأسئلة المترابطة المعقدة.
هندسة التلقين (Prompt Engineering): إعادة صياغة تعليمات النموذج اللغوي (Google Gemini) لإنتاج نصوص اعتيادية (Plain Text) خالية من رموز Markdown، مما أدى إلى تجاوز أخطاء واجهة برمجة تطبيقات تيليجرام بنسبة 100%.
النتائج
أثمر المشروع عن نظام دعم فني مؤتمت، آمن، وقابل للتوسع. يضمن النظام استرجاعاً دقيقاً للمعلومات موثقاً بالمصادر، مع تقديم تجربة مستخدم سلسة وتفاعلية تفهم السياق بشكل بشري.
تم التطوير بواسطة المهندس سامي مقداد.