وقت المعرفة
يشير "وقت تشغيل المعرفة" (Knowledge Runtime) إلى الطبقة التشغيلية داخل تطبيق الذكاء الاصطناعي (AI) التي تدير استرجاع وتأطير وتطبيق مصادر المعرفة الخارجية أو الخاصة أو في الوقت الفعلي. وهي الآلية التي تسمح لنموذج اللغة الكبير (LLM) أو وكيل الذكاء الاصطناعي بتجاوز بيانات التدريب الثابتة الخاصة به والتفاعل مع المعلومات المؤسسية الحالية والمحددة.
في البيئات المؤسسية، غالباً ما تفتقر نماذج اللغة الكبيرة ذات الأغراض العامة إلى المعرفة المتخصصة في المجال أو المعلومات المحدثة. يحل "وقت تشغيل المعرفة" هذه المشكلة من خلال ترسيخ استجابات الذكاء الاصطناعي في بيانات داخلية موثقة. وهذا يقلل بشكل كبير من الهلوسات، ويحسن الدقة الواقعية، ويمكّن الذكاء الاصطناعي من العمل كخبير موضوعي حقيقي للمؤسسة.
تتضمن العملية عادةً التوليد المعزز بالاسترجاع (RAG). عندما يقدم المستخدم استعلامًا، يقوم "وقت تشغيل المعرفة" أولاً بتحليل القصد. ثم يستعلم عن قاعدة بيانات متجهة أو رسم بياني معرفي يحتوي على وثائق المؤسسة. يتم استرجاع مقتطفات نصية ذات صلة، ويتم حقن هذه المقتطفات مباشرة في مطالبة (prompt) نموذج اللغة الكبير كسياق. بعد ذلك، يقوم نموذج اللغة الكبير بتوليد إجابة بناءً فقط على هذا السياق المقدم.
يرتبط هذا المفهوم ارتباطًا وثيقًا بقواعد البيانات المتجهة (Vector Databases)، والتضمينات (Embeddings)، وهندسة المطالبات (Prompt Engineering)، والتوليد المعزز بالاسترجاع (RAG).
