ما المشكلة التي يحلها هذا المقترح؟
نهج RAG أو Retrieval-Augmented Generation أصبح المعيار السائد لتزويد نماذج اللغة بمعرفة خارجية محدثة. لكنه يعاني من تعقيدات في الإعداد، وتكاليف في الاستدعاء، وأحياناً ضعفاً في التماسك السياقي عند استرجاع المعلومات. كارباثي يرى أن هناك طريقاً أبسط وأكثر أناقة.
فكرة مكتبة Markdown الحية
البنية التي يقترحها كارباثي تعتمد على ملفات Markdown منظمة تمثل قاعدة المعرفة. الفارق الجوهري أن النموذج نفسه هو من يتولى تحديث هذه الملفات وتطويرها مع الوقت، بدلاً من الاعتماد على بحث متجهي في قاعدة بيانات منفصلة. النتيجة بنية أقل تعقيداً وأسهل في المراجعة البشرية.
هل هو بديل فعلي أم مجرد تجربة؟
الطرح لا يزال في مرحلة المفهوم والنقاش العام، لكن مصدره مهم. كارباثي أحد أكثر الأصوات احتراماً في مجتمع الذكاء الاصطناعي، وأفكاره عادةً ما تتحول إلى مشاريع حقيقية أو تؤثر في توجهات المجتمع التقني. مطورون عديدون بدأوا فعلاً في تجربة النهج على مشاريعهم الخاصة.
وماذا يعني هذا لك؟
إن كنت مطوراً يبني تطبيقاً يعتمد على RAG، فالفكرة تستحق التجريب خاصة للمشاريع الصغيرة والمتوسطة التي لا تحتاج إلى قواعد بيانات متجهية ضخمة. ابدأ بنموذج بسيط، وقيّم الفرق في الجودة والتكلفة قبل اتخاذ أي قرار بنيوي كبير. وإن كنت من مجتمعات vibe coding في الخليج أو المغرب التي تبني بسرعة وبموارد محدودة، فهذا النهج قد يكون نقطة انطلاق أخف وأقل كلفة من إعداد pipeline كامل لـRAG.
المصدر: VentureBeat، https://venturebeat.com/data/karpathy-shares-llm-knowledge-base-architecture-that-bypasses-rag-with-an
