العواملالتطبيقات 🇷🇺 27.07.2026 02:04

الوكلاء الموجهون حسب المجال مقابل التوليف المعزز بالاسترجاع التقليدي: مقارنة في مهمة نظام خبير للعبة تقمص أدوار على الطاولة

LangfuseLangfuse
تصف المقالة تطوير نظام خبير للعبة تقمص الأدوار على الطاولة "فامباير: ذا ماسكيريد"، مقارنة نهج متعدد الوكلاء موجه حسب المجال مع التوليف المعزز بالاسترجاع الناقل التقليدي. جمع المؤلفون قاعدة معرفية من 176 ملفًا (~750 ألف توكن) من ويكي رسمي، مصنفة إلى 7 مجالات. بنوا وكيلًا قائمًا على LangGraph مع موجه ووكلاء خبراء متوازيين في كل مجال ومركب، واختبروه على 40 سؤالًا بمستويات تعقيد متفاوتة. تفوق الوكيل على التوليف المعزز بالاسترجاع التقليدي في استرجاع الحقائق عبر المجالات ومعالجة الاستفسارات خارج النطاق.
المؤلف، الذي يروي قصة لعبة "مصاصي الدماء: التنكر" لأول مرة، واجه تحديًا في حفظ مئات الصفحات من القواعد. للمساعدة، بنى نظامًا خبيرًا باستخدام ويكي المجتمع الرسمي كقاعدة معرفة. تم تحليل الويكي عبر أداة بلاي رايت، وتنظيفه، وتقسيمه إلى 7 مجالات: الميكانيكا، الفنون، السرد، العشائر، الطوائف، المهارات، والصفات، بإجمالي 176 ملف مارك داون (~750 ألف رمز). بدلاً من استخدام RAG الساذج، الذي يفشل في الاستعلامات عابرة المجالات بسبب التقطيع والتباعد الدلالي، نفذ المؤلف بنية لانج غراف متعددة الوكلاء. يتكون النظام من لوحة سوداء (حالة مشتركة)، وموجه يحدد المجالات ذات الصلة، ووكلاء خبراء متوازيين يقرؤون المستندات الضرورية فقط عبر أداة read_document، ومركب ينتج الإجابة النهائية. للتقييم، تم إنشاء 40 سؤالًا: 10 واقعية، 10 تركيبية، 10 عابرة للمجالات، 5 اختبارات هلوسة (أساطير قديمة)، و5 خارج المجال. تم إعداد قائمة مرجعية بالحقائق المطلوبة لكل سؤال. تمت مقارنة النظام بخط أساسي ساذج من RAG المتجه باستخدام لانج فوز للتسجيل والتنقيط.
المصدر: Habr — хаб NLP — الأصلي
منشوراتنا السابقة حول هذا الموضوع ↓
أخبار جديدة