Key facts
| التضمينات | متاحة (Live) |
| نقطة النهاية | /v1/embeddings متوافقة |
| نموذج التضمين | نموذج تضمين مخصص — راجع كتالوج النماذج للأبعاد |
| الاستخدامات | بحث دلالي، تصنيف، عناقيد، RAG |
| قاعدة المتجهات | تختارها أنت؛ لا قفل مع قاعدة واحدة |
| الخطة المجانية | نموذجان مجانيان دون بطاقة |
| التجربة | تجربة كاملة الوصول لمدة 14 يوماً |
| الحالة | متاح (Live) |
TL;DR
- حوّل النصوص إلى متجهات عبر نقطة متوافقة مع OpenAI.
- استخدم التضمينات للبحث الدلالي وRAG والتصنيف والتجميع.
- اختر قاعدة المتجهات بحرية، فالتضمين لا يقيّدك بمزوّد.
- قسّم النصوص بشكل مناسب؛ جودة التقسيم تؤثر في النتائج.
- اختبر الأداء على نصوص عربية قبل التوسع.
How it works, step by step
- نظّف النصوص وحدّد وحدة التقسيم (جملة أو فقرة أو مقطع).
- أرسل دفعات من المقاطع إلى نقطة /v1/embeddings.
- خزّن المتجهات مع بيانات وصفية للتصفية لاحقاً.
- امسح السؤال بنفس النموذج عند البحث.
- قِس التشابه وحدّد عدد النتائج المناسب.
- أضف تصفية وصفية أو إعادة ترتيب عند تدهور الجودة.
- راقب الاستخدام وأعد التضمين عند تغيير النموذج.
Try it yourself
ما هي التضمينات ولماذا تستخدمها؟
التضمين هو تمثيل رقمي للنص في فضاء متعدد الأبعاد، بحيث تقترب النصوص المتشابهة في المعنى من بعضها وتتباعد المختلفة. هذا يفتح إمكانات لا توفرها الكلمات المفتاحية: البحث بالمعنى لا بالحرف، والتجميع التلقائي للمواضيع، وكشف التكرار، والتصنيف بلا تدريب مكلف. أهم استخدام عملي اليوم هو RAG، حيث تحوّل مستنداتك إلى متجهات ثم تسترجع المقاطع الأكثر صلة قبل توليد الإجابة.
بناء بحث دلالي عبر API
المسار عملي ومباشر: جهّز النصوص، وأرسلها في دفعات إلى نقطة التضمينات، وخزّن كل متجه مع بيانات وصفية مثل المصدر والقسم والتاريخ. عند البحث، حوّل سؤال المستخدم إلى متجه بنفس النموذج، ثم احسب التشابه مع المخزّن واختر أعلى النتائج. استخدم التصفية الوصفية لتضييق النطاق، وأبقِ معرّف المستند مع كل نتيجة لعرض المصادر. هذه البنية نفسها تخدم RAG والتوصيات والبحث الداخلي في آن واحد.
الأبعاد والتقسيم والتكلفة
الأبعاد تحدد حجم التخزين وزمن البحث؛ الأبعاد الأعلى قد ترفع الدقة قليلاً وتزيد الكلفة التشغيلية. ابدأ بالنموذج الافتراضي وقس الجودة على أسئلة حقيقية قبل تغيير الأبعاد. أما التقسيم فهو العامل الأهم: مقاطع طويلة جداً تفقد التركيز، وقصيرة جداً تفقد السياق. اختبر حجمين أو ثلاثة، وراقب نسبة الأسئلة التي لا يجد النظام لها سياقاً مناسباً؛ هذه النسبة أدق مؤشر على جودة أنابيبك. راجع صفحة الأسعار المباشرة للخطط الحالية.
التضمينات والنصوص العربية
جودة التضمين تعتمد على النموذج والبيانات، لا على اللغة وحدها. العربية غنية بالصيغ والاشتقاقات، لذلك قد تتشابه نصوص مختلفة في المتجهات أكثر من المتوقع. الحل العملي هو الاختبار: ابنِ مجموعة أسئلة عربية حقيقية من مجالك، وقس هل يعيد النظام المقاطع الصحيحة. وإذا لاحظت ضعفاً، جرّب نموذجاً آخر أو أضف إعادة ترتيب، أو حسّن التقسيم والتنظيف. لا تعتمد على نتائج عامة؛ بياناتك هي المرجع.
Honest comparison
| البند | Plugsky | مزوّد تضمينات آخر | بناء داخلي |
|---|---|---|---|
| التوافق | نقطة متوافقة مع OpenAI | يتفاوت | عميل مخصص |
| النماذج | تضمين + أكثر من 30 نموذج دردشة | تضمين غالباً فقط | تستضيف كل شيء |
| قاعدة المتجهات | تختارها بنفسك | مرتبطة غالباً بالمزوّد | تديرها بنفسك |
| النشر السيادي | VPC، on-prem، air-gapped | نادراً | ممكن بجهد كبير |
| جهد الترحيل | سطر واحد | يتفاوت | أسابيع |
Frequently asked questions
ما هي التضمينات؟
تمثيل رقمي لمعنى النص يسمح بمقارنة النصوص رياضياً لأغراض البحث والتصنيف والتجميع.
هل الواجهة متوافقة مع OpenAI؟
نعم، نقطة /v1/embeddings متوافقة، ما يسمح بإعادة استخدام مكتبتك الحالية.
كم عدد الأبعاد؟
تعتمد الأبعاد على النموذج؛ راجع كتالوج النماذج والوثائق لاختيار ما يناسب حجم بياناتك.
هل تدعم النصوص العربية؟
تعمل التضمينات مع العربية، لكن جودة النتائج تختلف حسب المجال؛ اختبرها على بياناتك قبل الإنتاج.
هل توفرون قاعدة متجهات؟
لا نقيّدك بقاعدة واحدة؛ خزّن المتجهات حيث تريد وتكامل عبر الواجهة.
هل أحتاج إعادة ترتيب؟
ليست إلزامية، لكنها تحسّن ترتيب النتائج في حالات كثيرة ويمكن دمجها من مزوّد خارجي.
هل يمكن إعادة التضمين عند تغيير النموذج؟
نعم، وستحتاج إلى إعادة توليد المتجهات لأن الفضاءات تختلف بين النماذج؛ خطّط لذلك مسبقاً.
كيف أبدأ؟
أنشئ حساباً مجانياً، جرّب أداة التضمينات، ثم راجع صفحة الأسعار المباشرة عند التوسع.