الـ Agentic RAG — لما الـ RAG ياخد قرارات — Agentic RAG

الـ RAG الكلاسيكي زي طالب بيجاوب امتحان مفتوح الكتاب بقاعدة واحدة: افتح الكتاب مرة، انقل أقرب فقرة، اكتب الإجابة. خلاص. لو الفقرة الأولى مش كافية أو غلط، مفيش خطة تانية.

الـ Agentic RAG زي باحث حقيقي: بيقرأ السؤال، ويقرّر — «ده محتاج بحث أصلًا؟ في أنهي مصدر؟ الصياغة كده كويسة؟». بيدوّر، يقرأ النتيجة، ويسأل نفسه: «ده كفاية؟ ولا محتاج أدوّر تاني بمعلومة اتعلمتها لسه؟». وفي الآخر، لو مش لاقي، بيقول «مش عارف» بدل ما يخترع.

الفرق الجوهري: الكلاسيكي بيسترجع. الـ Agentic بيقرّر يسترجع — وبيكرّر لحد ما يقتنع.

<!-- Field 6: Real-world analogy (Layer 2) -->

تخيّل اتنين موظفين في مكتبة، وسألتهم سؤال بحثي معقّد:

الموظف الأول (RAG كلاسيكي) — بياخد سؤالك، يمشي لأقرب رفّ، يجيب أول كتاب لقاه فيه كلمات شبه سؤالك، يفتح صفحة، ويقرالك منها. لو الكتاب مش مظبوط؟ ملهوش دعوة. لو السؤال محتاج تلات كتب؟ برضه هيجيب واحد. سريع ورخيص — وكفاية لو سؤالك بسيط.

الموظف التاني (Agentic RAG) — بيقف يفكّر: «السؤال ده محتاج قسم التاريخ ولا القانون؟» (Routing). «ده في الحقيقة تلات أسئلة في واحد، خليني أقسّمهم» (Decomposition). يجيب كتاب، يقرأ، يقول «آها، ده بيشاور على مرجع تاني، خليني أجيبه» (Iterative). قبل ما يرجعلك: «هو أنا عندي إجابة كاملة فعلًا؟» (Self-check). ولو مالقاش: «معنديش مصدر مؤكّد للجزء ده» بدل ما يألّف.

الموظف التاني أدق في السؤال المعقّد — بس بياخد وقت أطول وشغل أكتر. لو سؤالك كان «فين دورة المياه؟»، الموظف الأول كان كفاية وزيادة. مش كل سؤال يستاهل باحث.

<!-- Field 7: Simple example -->

مثال حقيقي

نفس السؤال متعدد الخطوات، في النظامين:

> RAG كلاسيكي: > السؤال: «مين وقّع أكبر صفقة السنة اللي فاتت، وإيه سياسة الخصم بتاعته؟» > يدوّر مرة واحدة بالسؤال كامل ← يرجّع Chunks مخلوطة (شوية عن صفقات، شوية عن خصومات، مفيش رابط بينهم) ← الموديل يفتي إجابة تربط حاجات مش مرتبطة. مقنعة وغلط.

> Agentic RAG: > 1. Decompose: الموديل يقسّم — «(أ) إيه أكبر صفقة؟ (ب) مين وقّعها؟ (ج) إيه سياسة خصم الشخص ده؟». > 2. بحث 1: يدوّر عن أكبر صفقة ← «صفقة X، وقّعها أحمد». > 3. بحث 2 (Iterative): دلوقتي عارف الاسم، يدوّر عن «سياسة خصم أحمد» ← يلاقيها. > 4. Self-check: «عندي الصفقة + الموقّع + سياسته؟ آه» ← يجاوب مأسّس على 3 مصادر واضحة.

نفس الموديل، نفس البيانات. الفرق: الأول دوّر مرة؛ التاني قرّر يدوّر بذكاء وكرّر. الأول كلّف استدعاء؛ التاني كلّف 4–5.

<!-- Field 8: How it works (Layer 3) -->

الفكرة المحورية: الاسترجاع بيتحوّل من خطوة ثابتة لـ أداة (Tool) الموديل بيقرّر يستخدمها.

في الكلاسيكي، الكود بتاعك بيفرض التسلسل: retrieve() بعدها generate()، دايمًا، بالترتيب ده. الموديل مالوش رأي — بس بيكتب الإجابة في الآخر.

في الـ Agentic، بتدّي الموديل الاسترجاع كأداة جوّه Agent Loop، وبيقرّر هو: 1. يلاحظ السؤال. 2. يقرّر: أدوّر؟ فين؟ بأي صياغة؟ ولا أعرف الإجابة أصلًا؟ 3. ينفّذ الاسترجاع (لو قرّر). 4. يشوف النتيجة، ويسأل: كفاية؟ 5. يكرّر من 2 — أو يجاوب — أو يقول «مش لاقي».

الحتة اللي بتلخبط الناس: في الكلاسيكي الاسترجاع مضمون بيحصل مرة. في الـ Agentic، الاسترجاع ممكن يحصل صفر مرة (لو الموديل عارف الإجابة)، مرة، أو 5 مرات. عدم الحتمية ده هو مصدر القوة ومصدر التكلفة والمشاكل في آن واحد.

<!-- Field 9: Step-by-step explanation -->

خطوة بخطوة — الأنماط الخمسة

كل نمط بمثال صغير محدّد:

1) Query Routing — توجيه السؤال الموديل بيقرّر السؤال يروح لأنهي مصدر/Index. «كام سعر المنتج X؟» → Index المنتجات. «إيه سياسة الإجازات؟» → Index الموارد البشرية. بدل ما تدوّر في كل حاجة، بتدوّر في المكان الصح.

2) Query Decomposition — تقسيم السؤال المركّب سؤال فيه كذا جزء بيتقسّم لأسئلة فرعية. «قارن سياسة الاسترجاع بين 2023 و2024» → «(أ) سياسة 2023؟ (ب) سياسة 2024؟» → بحث لكل واحد → دمج.

3) Iterative Retrieval — البحث المتكرّر بحث ← قراءة ← بحث أعمق بناءً على اللي اتعلمته. أول بحث كشف اسم/مصطلح جديد، فالبحث التاني بيستخدمه. ده اللي بيحلّ الأسئلة متعددة الخطوات (Multi-hop).

4) Self-check قبل الإجابة قبل ما يرجّع الإجابة، الموديل بيسأل نفسه: «الـ Context اللي قدّامي كافي للسؤال ده؟». لو لأ → يدوّر تاني أو يقول «معنديش معلومة كافية». دي الخطوة اللي بتحوّل «بيفتي» لـ «بيعترف».

5) Retrieval-as-a-Tool — الاسترجاع كأداة الغلاف اللي بيجمع الأربعة فوق: الاسترجاع أداة جوّه Agent Loop، الموديل بيناديها إمتى ما قرّر، بأي مدخلات قرّرها، عدد المرات اللي يشوفها مناسب.

<!-- Field 10: Visual explanation -->

بالرسم

الفرق بين المسارين — ده جوهر المفهوم كله:

┌───────────────── CLASSIC RAG — مسار واحد ثابت ─────────────────┐
│                                                               │
│   Question ──► Retrieve (مرة) ──► Stuff context ──► Generate   │
│                                                        │      │
│                                                        ▼      │
│                                                     Answer     │
│   عدد استدعاءات الموديل: ~1–2 · حتمي · رخيص · سريع            │
└───────────────────────────────────────────────────────────────┘

┌──────────── AGENTIC RAG — حلقة فيها قرارات ────────────────────┐
│                                                               │
│   Question ──► [ LLM يقرّر ]                                    │
│                    │                                          │
│         ┌──────────┼───────────┬──────────────┐               │
│         ▼          ▼           ▼              ▼               │
│    أدوّر؟ فين؟  أقسّم السؤال؟  أعيد الصياغة؟   أعرف الإجابة؟     │
│         │          │           │              │               │
│         └────► Retrieve (أداة) ◄───────────────┘               │
│                    │                                          │
│                    ▼                                          │
│              [ Self-check: كفاية؟ ] ──► لأ ──┐                 │
│                    │ آه                      │ (كرّر الحلقة)   │
│                    ▼                         └──────────┘      │
│              Answer  أو  "مش عارف"                             │
│   عدد استدعاءات الموديل: ~4–8 · غير حتمي · أغلى · أبطأ        │
└───────────────────────────────────────────────────────────────┘

خد بالك من الفرق الجوهري: في الكلاسيكي، السهم بيمشي في خط واحد. في الـ Agentic، فيه حلقة بترجع لنفسها. الحلقة دي هي مصدر الذكاء — وكمان مصدر خطر «الـ Agent اللي مبيبطّلش بحث». كل لفة في الحلقة = استدعاء موديل = فلوس + وقت.

<!-- Field 11: Technical explanation (Layer 4) -->

أول حاجة تثبتها: الفرق مش في الاسترجاع نفسه — في مين ماسك زمام التحكم (Control Flow). في الكلاسيكي، كودك بيتحكم في التسلسل: retrieve ثم generate، ثابت. في الـ Agentic، الموديل بيتحكم في التسلسل عن طريق قراراته. أنت نقلت التحكم من كود حتمي لموديل احتمالي. ده بيديك مرونة، وبياخد منك القدرة على التنبؤ.

تاني حاجة: الاسترجاع بقى Tool Call عادي. لو فاهم Tool Calling، أنت فاهم الآلية: بتعرّف أداة search(query, source)، بتحطّها في الحلقة، والموديل بيقرّر ينادیها بأي مدخلات وكام مرة. الـ Agentic RAG حرفيًا هو «RAG مبني بأدوات جوّه Agent Loop» — مفيش سحر جديد، دمج مفهومين تعرفهم.

تالت حاجة، وهي أخطر قرار تصميمي: لازم حدود صارمة (Guardrails) على الحلقة. موديل بيقرّر «أدوّر تاني» ممكن يقرّرها للأبد. لازم: سقف لعدد اللفّات (مثلًا 5)، سقف تكلفة، وTimeout. من غير الحدود دي، سؤال واحد صعب ممكن يعمل 30 استدعاء ويحرق $2 لوحده. الحلقة اللي بلا حدود هي أكتر Bug متكرر في الـ Agentic RAG.

رابع حاجة: الـ Self-check نفسه استدعاء موديل — يعني بيكلّف. إنك تسأل الموديل «الـ Context كافي؟» ده استدعاء إضافي كل لفة. مفيد جدًا للجودة، بس حطّه في حساب التكلفة. مفيش حاجة ببلاش في الـ Agentic.

<!-- Field 12: Developer perspective (API-level reality) -->

على مستوى الـ API — الواقع العملي

خمس حقايق هتقابلك أول ما تنفّذ:

• بتدفع تمن كل لفة في الحلقة. كل قرار، كل استرجاع، كل Self-check = استدعاء موديل بـ Input + Output Tokens. السؤال اللي كان استدعاء واحد بقى 5. الفاتورة بتتضاعف خطيًا مع عدد اللفّات.
• الـ Latency بيتراكم. 5 استدعاءات متسلسلة، كل واحد 1–2 ثانية = 5–10 ثواني للإجابة. المستخدم اللي متعوّد رد في ثانية هيحسّ إنه بطيء. الأنماط المتوازية بتخفّف — بس مش كل خطوة تتوازى.
• الحلقات اللانهائية خطر حقيقي. من غير سقف لفّات صارم، الموديل ممكن يدخل «أدوّر تاني... مش كفاية... أدوّر تاني...» بلا نهاية. سقف صريح إلزامي — مش تحسين.
• الموديل ممكن يفتي حتى بعد فشل الاسترجاع. أخطر Failure: بحث فشل 3 مرات، وبدل ما يقول «مش عارف»، الموديل يستسلم ويجاوب من ذاكرته. لازم تعليمات صريحة: «لو الاسترجاع فشل، قول مش عارف — متجاوبش من معرفتك العامة».
• الـ Debugging أصعب بكتير. لإنه غير حتمي، نفس السؤال ممكن ياخد مسارات مختلفة كل مرة. من غير Tracing (تسجيل كل قرار واسترجاع)، أنت أعمى. سجّل الحلقة كاملة من أول يوم.

<!-- Field 13: Code example (D-4 provider-agnostic, CR-4 Arabic surround) -->

الكود

الكود ده مش من Framework معيّن — دي الفكرة عريانة: الاسترجاع كأداة جوّه حلقة محدودة، مع Self-check ومخرج «مش عارف». اقراه كسودوكود:

# الاسترجاع بقى أداة الموديل بيقرّر ينادیها — مش خطوة مفروضة
def search(query: str, source: str = "default") -> str:
    chunks = vector_store.search(embed(query), top_k=5, index=source)
    return format_chunks(chunks)

MAX_STEPS = 5                                  # Guardrail: سقف لفّات صارم
question = "مين وقّع أكبر صفقة السنة اللي فاتت، وإيه سياسة خصمه؟"
context = []

for step in range(MAX_STEPS):                  # الحلقة محدودة — مش لا نهائية
    decision = llm.decide(                      # الموديل بيقرّر الخطوة الجاية
        question=question,
        gathered=context,
        tools=[search],
        instructions=(
            "قرّر: تدوّر (بأي صياغة/مصدر)، ولا عندك كفاية تجاوب؟ "
            "لو الاسترجاع مرجّعش حاجة مفيدة، قول 'مش عارف' — "
            "ممنوع تجاوب من معرفتك العامة."          # ضد الإفتاء بعد الفشل
        ),
    )

    if decision.type == "answer":
        break
    if decision.type == "give_up":              # مخرج صادق
        return "معنديش معلومة كافية في المصادر للإجابة على ده."

    # الموديل قرّر يدوّر — نفّذ وضيف للسياق (Iterative)
    result = search(decision.query, decision.source)
    context.append(result)

    # Self-check: كفاية؟ (استدعاء موديل إضافي — بيكلّف)
    if llm.is_context_sufficient(question, context):
        break

answer = llm.generate(question, context)        # إجابة مأسّسة على المجموع

لاحظ تلات حاجات قبل ما تكمّل:

• `MAX_STEPS` مش تفصيلة — دي صمام الأمان. شيلها، وسؤال صعب واحد ممكن يحرق فلوسك في حلقة لا نهائية. ده أول سطر بيتحطّ، مش آخر واحد.
• مخرج «مش عارف» صريح. سطر give_up والتعليمات اللي بتمنع الإفتاء هما الفرق بين نظام أمين ونظام بيخترع بثقة بعد فشل البحث.
• كل استدعاء `llm.` بيكلّف. عدّهم في الكود ده: decide × N + is_context_sufficient × N + generate. ده 4–8 استدعاء بسهولة مقابل 1–2 في الكلاسيكي.

<!-- Field 14: Common mistakes -->

تمرين (20 دقيقة): خد RAG كلاسيكي شغّال عندك، وجهّزله 3 أسئلة multi-hop (كل واحد محتاج معلومتين من مكانين). شغّلها على الكلاسيكي وسجّل: كام مرة جاوب صح؟ (غالبًا هتفشل). دلوقتي — على ورق بس — قسّم كل سؤال لأسئلته الفرعية بإيدك، ودوّر عن كل جزء لوحده، وادمج. شوف الفرق في الدقة. مبروك — أنت لسه عملت Query Decomposition يدوي، وحسّيت بالمشكلة اللي الـ Agentic RAG اتوجد ليها — وبتكلفتها (عدّ كام بحث عملت).

<!-- Field 27: Interview questions -->

⚠️ خد بالك: الغلطة #1 و#2 هما الأشهر. الحلقة اللانهائية بتحرق فلوس؛ واستخدام Agentic في كل حتة بيحرق فلوس بهدوء على أسئلة كان مسار واحد كفايتها.

<!-- Field 15: Common misconceptions -->

مفاهيم غلط منتشرة

1) «الـ Agentic RAG أدق دايمًا» — ❌ لأ. أغلى دايمًا، وأدق أحيانًا. على الأسئلة البسيطة (أغلب حالات FAQ وDoc-QA)، الكلاسيكي بيجاوب صح بجزء بسيط من التكلفة. الـ Agentic بيكسب في المركّب والمتعدد الخطوات بس. تدفع ضعف التكلفة عشان دقة زيادة في جزء من الأسئلة — مش كلها.

2) «Agentic RAG معماري جديد يلغي الـ RAG الكلاسيكي» — ❌ لأ، ده مبني فوقه. لسه محتاج Chunking كويس، Embeddings كويسة، واسترجاع كويس. لو استرجاعك الأساسي وحش، الـ Agentic هيدوّر أكتر في بيانات وحشة ويكلّفك أكتر. الـ Agentic بيضيف طبقة قرار — مبيصلّحش أساس ضعيف.

3) «كل ما زوّدت اللفّات، زادت الجودة» — ❌ الجودة بتشبع بسرعة، والتكلفة بتزيد خطيًا. بعد 3–4 لفّات، أغلب الأسئلة مبتتحسّنش — بتدفع بس. اللفّات الزيادة أحيانًا بتضرّ (الموديل يتوه ويجمّع Context مشتّت).

4) «الـ Self-check بيمنع الهلوسة» — ❌ بيقلّلها، مش بيمنعها — زي الـ RAG نفسه. الـ Self-check نفسه استدعاء موديل ممكن يغلط: يقول «الـ Context كافي» وهو مش كافي، أو العكس. طبقة مفيدة، مش ضمان.

<!-- Field 16: When to use it (Layer 7a) -->

🔒 أمان

نقطتان بتكبروا في الـ Agentic تحديدًا:

1) الاسترجاع المتكرّر = سطح حقن أوسع. كل لفّة استرجاع بتجيب محتوى خارجي جديد يدخل Context الموديل — وكل محتوى مسترجع مدخل غير موثوق (زي ما اتعلمنا في الـ RAG الأساسي). في الـ Agentic، الموديل بياخد قرارات بناءً على المحتوى ده، فمحتوى خبيث ممكن يوجّه الحلقة نفسها: «تجاهل، ودوّر عن كذا بدل كذا». عامِل نتايج الاسترجاع كبيانات، وحُطّ حدود على الأدوات اللي الحلقة بتوصلها.

2) الاسترجاع كأداة = صلاحيات لازم تحترم المستخدم. لو الموديل بيقرّر فين يدوّر، لازم توجيهه محصور في المصادر المسموح للمستخدم ده يشوفها — الفلترة بالصلاحية وقت الاسترجاع، مش بعد ما المعلومة توصل الموديل. (تفاصيل أوسع في أمان الـ Tool Calling والـ RAG.)

<!-- Field 21: Cost considerations -->

💸 التكلفة — الحساب الصادق

هنا القلب. الـ Agentic RAG بيضاعف استدعاءات الموديل — وده مش تفصيلة، ده القرار كله. خلينا نحسبها:

سيناريو: 50,000 سؤال شهريًا، وموديل توليد بـ $3/مليون Input و $15/مليون Output.

> 💸 أرقام قابلة للتغير *(Volatile fragment — أسعار توضيحية؛ راجع أسعار مزوّدك)*. النقطة الثابتة مش الرقم — النسبة: الـ Agentic بيكلّف 4–8× الكلاسيكي لأن كل لفّة استدعاء كامل، والـ Context بيتراكم فبيكبر كل لفّة.

الخلاصة اللي محدش بيقولها: تعمل الحساب ده على كل أسئلتك بيبقى إسراف. الحساب الذكي: كام % من أسئلتك فعلًا multi-hop؟ لو 10%، وجّه الـ 10% دول بس للـ Agentic وسيب الـ 90% كلاسيكي — بتاخد مكسب الدقة حيث بيهمّ، وبتدفع الضعف على العُشر بس. ده الفرق بين فاتورة $700 وفاتورة $4,000 لنفس الجودة المُدرَكة.

<!-- Field 22: Performance considerations -->

الأداء

• التسلسل هو عدو الـ Latency. كل لفّة بتستنى اللي قبلها. حيثما القرارات مستقلة (زي أجزاء Decomposition)، دوّرها بالتوازي — بيقصّ الوقت بشكل كبير.
• الـ Context المتراكم بيبطّئ كل لفّة. كل لفّة بتضيف للـ Context، فاللفّة الخامسة أبطأ وأغلى من الأولى. نضّف الـ Context بين اللفّات — شيل اللي مبقاش مفيد.
• اعرض تقدّم للمستخدم. «بيبحث… بيراجع المصادر…» بيخلّي الـ 6 ثواني محتملة نفسيًا. الـ Latency الحقيقي مش هيقلّ، بس الإحساس بيه بيتحسّن.

<!-- Field 23: Related concepts -->

• أسئلة متعددة الخطوات (Multi-hop): الإجابة محتاجة تربط معلومتين أو أكتر من أماكن مختلفة — «مين عمل X، وإيه Y بتاعته؟».
• مصادر متنوّعة (Heterogeneous): بيانات موزّعة على Indexes/أنظمة مختلفة، والسؤال محتاج توجيه للصح (Routing).
• أسئلة غامضة محتاجة توضيح أو إعادة صياغة قبل ما الاسترجاع ينجح.
• مواقف عالية الحساسية «لازم مصدر»: قانوني، طبي، مالي — حيث «مش عارف» أأمن بكتير من إجابة غير مؤكّدة، والـ Self-check يستاهل تكلفته.
• الاسترجاع الأول بيفشل كتير: لو أسئلتك بطبيعتها محتاجة أكتر من محاولة، الـ Iterative بيبرّر نفسه.

<!-- Field 17: When NOT to use it (Layer 7b) -->

• أسئلة FAQ وDoc-QA مباشرة (أغلب الحالات!): «إيه سياسة الاسترجاع؟» → استرجاع واحد كفاية. الـ Agentic هنا بيدفع ضعف التكلفة بلا مكسب دقة يُذكر.
• التكلفة أو الـ Latency حسّاسة: تطبيق بحجم كبير أو محتاج رد فوري — ضعف الاستدعاءات وضعف الوقت ممكن يكونوا قاتلين.
• الاسترجاع الأساسي بتاعك ضعيف: صلّح الـ Chunking والاسترجاع الأول. الـ Agentic فوق أساس وحش بيكبّر المشكلة والفاتورة.
• بيانات بسيطة ومنظّمة: لو مصدر واحد نظيف ومباشر، مفيش «قرارات» حقيقية الموديل ياخدها — الحلقة تعقيد بلا عائد.

💡 نصيحة: القاعدة العملية: ابدأ كلاسيكي دايمًا. قِس. لو لقيت فئة أسئلة (multi-hop، مصادر متنوّعة) بتفشل باستمرار، رقّي الفئة دي بس لـ Agentic. متبدأش Agentic — بتنتهي بيه لما البيانات تثبت إنك محتاجه.

<!-- Field 18: Alternatives -->

البدايل

البدايل مش أعداء: كتير من الأنظمة الناضجة كلاسيكي + Reranking + Query rewriting، وتلجأ للـ Agentic الكامل لفئة أسئلة محدّدة بس. القرار الكامل في مفهوم RAG vs. long context vs. fine-tuning وامتداده الـ Agentic.

<!-- Field 19: Trade-offs -->

الموازنات

الخلاصة: الـ Agentic بيشتري دقة على الأسئلة الصعبة + قدرة على قول «مش عارف» بتمن تكلفة أعلى + Latency أطول + تعقيد أكبر. مقايضة تكسب في المركّب، وتخسر في البسيط.

<!-- Field 20: Security considerations -->