أبريل 2026 · 10 دقائق قراءة · Fran Olivares، مؤسس OlivaresAI
Retrieval-Augmented Generation (RAG) والذاكرة الدائمة كلاهما نهجان لإعطاء أنظمة الذكاء الاصطناعي وصولاً لمعرفة خارجية. كثيراً ما يُخلَط بينهما لأنهما يتشاركان بعض المكوّنات — قواعد البيانات المتجهة، ونماذج embedding، وخطوط أنابيب الاسترجاع. لكنهما يحلان مشاكل مختلفة أساسياً، وفهم الفرق حاسم لأي شخص يبني منتجات ذكاء اصطناعي في 2026.
RAG نمط لحقن الوثائق ذات الصلة في سياق ذكاء اصطناعي وقت الاستعلام. خط الأنابيب النموذجي: قسّم مجموعة وثائق، ضمّن القطع في قاعدة بيانات متجهة، وفي وقت الاستعلام، ضمّن سؤال المستخدم، أوجد القطع المشابهة، وضمّنها في الموجّه. يُولّد الذكاء الاصطناعي رداً مُؤسَّساً على الوثائق المُسترجَعة.
RAG ممتاز لحالات استخدام محددة: الإجابة على أسئلة عن قاعدة معرفة، والبحث في الوثائق، وتحليل مجموعة أوراق بحثية. يعامل المعرفة كـ وثائق ثابتة توجد باستقلال عن المستخدم والمحادثة.
الذاكرة الدائمة نظام لتراكم وتنظيم واسترجاع المعرفة الخاصة بالمستخدم التي تتطور بمرور الوقت. ليست عن الوثائق — هي عن الحقائق والتفضيلات والقرارات والأنماط والهوية. تُستخرَج المعرفة من التفاعلات، وتُقيَّم بالصلة والأهمية، وتُزال تكراراتها، وتُوحَّد، وأخيراً تنتهي صلاحيتها عندما تصبح قديمة.
الذاكرة الدائمة تُجيب على سؤال مختلف عن RAG. يسأل RAG: ما المعلومات الموجودة في مجموعة الوثائق هذه؟ الذاكرة الدائمة تسأل: ماذا يعرف الذكاء الاصطناعي عن هذا المستخدم تحديداً، وكيف ينبغي أن يتصرف بناءً على كل ما تعلّمه؟
| البُعد | RAG | الذاكرة الدائمة |
|---|---|---|
| مصدر المعرفة | وثائق موجودة مسبقاً | مُستخرَجة من المحادثات + إدخال المستخدم |
| نوع المعرفة | قطع نص | حقائق وتفضيلات وقرارات وإجراءات مهيكلة |
| دورة حياة المعرفة | ثابتة (يُعاد فهرستها عند تغيير الوثيقة) | ديناميكية (تُنشأ، تُحدَّث، تُوحَّد، تنتهي صلاحيتها) |
| التخصيص | نفسه لكل المستخدمين (مجموعة مشتركة) | لكل مستخدم (ملف معرفي فردي) |
| التقييم | تشابه فقط | متعدد العوامل: الصلة، الأهمية، الثقة، الحداثة، التكرار |
| الهوية | لا توجد | Soul Engine (شخصية، قواعد، خبرة، أسلوب تواصل) |
| طبقات الذاكرة | واحدة (قطع وثائق) | ثلاث (ذكريات، مقاطع، إجراءات) |
| إزالة التكرار | على مستوى القطعة (أساسي) | دلالية (تشابه Jaccard + تداخل كلمات مفتاحية) |
RAG مثالي عندما يكون لديك مجموعة معرفة محددة يحتاج المستخدمون للاستعلام عنها: وثائق المنتج، والعقود القانونية، وقواعد البيانات البحثية، والـ wikis الداخلية. توجد المعرفة قبل أن يتفاعل المستخدم معها، ومستخدمون مختلفون عادة ما يحتاجون إلى الوصول لنفس المعلومات. إذا كان هدفك الأساسي "الإجابة على أسئلة عن هذه الوثائق"، فإن RAG هو المعمارية الصحيحة.
الذاكرة الدائمة هي الخيار الصحيح عندما يحتاج الذكاء الاصطناعي إلى التعلم من المستخدم بمرور الوقت. مساعدو برمجة يتذكرون مكدسك التقني واتفاقياتك. ذكاء اصطناعي شخصي يعرف أسلوب تواصلك وتفضيلاتك. روبوتات دعم عملاء تتذكر تاريخ مستخدم وتفاصيل حسابه. مساعدو بحث يبنون السياق على مدى أسابيع من التحقيق. أي حالة استخدام حيث ينبغي للذكاء الاصطناعي أن يتحسّن كلما استخدمته أكثر تتطلب ذاكرة دائمة، لا RAG.
أقوى أنظمة الذكاء الاصطناعي تجمع كليهما. يُوفّر RAG وصولاً لقاعدة معرفة مشتركة. تُوفّر الذاكرة الدائمة سياقاً وتفضيلات وسلوكيات مكتسبة خاصة بالمستخدم. في معمارية Alma، يجمع تجميع السياق بالفعل الذكريات (المعرفة الدائمة)، والمقاطع (تاريخ المحادثات)، والإجراءات (سير العمل المُكتسبة)، وكتل soul (الهوية) في موجّه نظام واحد. إضافة RAG كمصدر معرفة إضافي امتداد طبيعي.
معمارية الذاكرة بثلاث طبقات من Alma صُمّمت تحديداً لحالة الاستخدام للذاكرة الدائمة. تخزّن الذكريات الحقائق. تخزّن المقاطع تواريخ المحادثات المضغوطة. تخزّن الإجراءات سير العمل المُكتسبة. يُوفّر Soul Engine هوية ذكاء اصطناعي متسقة. معاً، يُعطون ذكاءك الاصطناعي شيئاً لا يستطيع RAG وحده: القدرة على معرفة المستخدم والتحسّن بمرور الوقت.
RAG والذاكرة الدائمة متكاملان، لا متنافسان. إذا كنت تبني منتج ذكاء اصطناعي وتحاول الاختيار بينهما، اسأل نفسك: هل يحتاج الذكاء الاصطناعي إلى الاستعلام عن مجموعة وثائق، أم يحتاج إلى التعلم من وتذكر مستخدمين فرديين؟ معظم التطبيقات الواقعية تحتاج كليهما. ابدأ بالذي يحلّ مشكلتك الأكثر إلحاحاً، وأضف الآخر عند الحاجة.
إذا كانت الذاكرة الدائمة هي ما تحتاجه، Alma تُوفّرها جاهزة — API كامل، وخادم MCP، وSDK.