كيفية تدريب روبوت دردشة بالذكاء الاصطناعي على ملفات PDF والمستندات (دون إجابات سيئة)
محدَّث في 6 نوفمبر 2026
كيفية تحضير ملفات PDF والمستندات حتى يجيب روبوت الدردشة بالذكاء الاصطناعي منها بدقة: ما الذي يُقرأ بشكل سيئ، وكيف يؤثر التقطيع في الإجابات، وكيفية اختبار الاسترجاع، وكيفية إبقاء الملفات محدَّثة.
لتدريب روبوت دردشة بالذكاء الاصطناعي على ملفات PDF، لا تحتاج إلى إعادة تدريب النموذج. ترفع المستندات، فتستخرج الأداة نصها، وتقسّمه إلى مقاطع (chunks)، وتفهرسها؛ وعندما يسأل العميل سؤالاً، تُسترجع أقرب المقاطع، ويجيب الذكاء الاصطناعي منها. وهذا يعني أن جودة إجاباتك تعتمد بدرجة أكبر بكثير على مدى سهولة قراءة ملفات PDF لديك، مقارنةً باختيار نموذج الذكاء الاصطناعي. يغطي هذا الدليل تحضير الملفات، والصيغ التي تُقرأ بشكل سيئ، وكيفية عمل التقطيع، والاختبار، وإبقاء المستندات محدّثة.
ابدأ باختيار المستندات الصحيحة، لا كل المستندات. أفضل المرشحين هم المستندات التي يسأل عنها العملاء بالفعل: أدلة المنتجات، وأوراق المواصفات، وشروط الضمان، وسياسات الشحن والإرجاع، وقوائم الأسعار، وأدلة التهيئة، والأسئلة الشائعة. استبعد المسودات الداخلية، والنسخ القديمة، والعقود التي تحمل أسماء عملاء، وأي شيء لا تريد أن يُقتبس للعميل حرفياً. فكل ملف ترفعه قد يكرره الروبوت، لذا اختره كما لو كنت تنشره للعموم.
أزل المكررات والنسخ القديمة أولاً. إذا كان ملف «Warranty 2023.pdf» وملف «Warranty 2025.pdf» مرفوعين معاً، فسيجيب الروبوت أحياناً من القديم، وسيبدو واثقاً بالقدر نفسه. قبل الرفع، اختر نسخة حالية واحدة من كل مستند، واحذف الباقي من قاعدة المعرفة. وضع تاريخ السريان داخل المستند نفسه («ساري المفعول من 1 مارس 2026»)، حتى تستطيع أنت والروبوت معرفة أي نسخة هي.
اعرف ما الذي يُقرأ جيداً. ملفات PDF المصدّرة من Word أو Google Docs أو موقع إلكتروني (نص يمكن تحديده ونسخه) تُستخرج بشكل نظيف. أما مستندات Word والنص العادي وMarkdown فهي أسهل، لأنها تحمل بنيتها بشكل مباشر. اختبار سريع: افتح ملف PDF، وحدد فقرة والصقها في محرر نصوص بسيط. إذا خرجت جملاً مقروءة بالترتيب الصحيح، فسيقرؤها روبوت الدردشة أيضاً. وإذا خرجت مبعثرة، فستكون الإجابات مبعثرة كذلك.
ملفات PDF الممسوحة ضوئياً تحتاج إلى OCR. الصفحة الممسوحة ضوئياً هي صورة للنص، وليست نصاً. بدون التعرف الضوئي على الحروف (OCR) لن تستخرج الأداة شيئاً، ولن يجد روبوت الدردشة ذلك المحتوى أبداً. ومع OCR تُستخرج معظم النصوص، لكن الأختام والكتابة اليدوية والمسحات منخفضة التباين والصفحات المائلة تنتج أخطاء مثل «0» بدلاً من «O» أو أسطر مفقودة. إذا كان مستند مهم موجوداً فقط كمسح ضوئي، فغالباً ما يكون إعادة كتابة الصفحات الأساسية أسرع من تصحيح أخطاء OCR لاحقاً.
التخطيطات متعددة الأعمدة والعناوين تسبب ضرراً خفياً. كثيراً ما يقرأ استخراج النص الصفحة ذات العمودين أفقياً، فيخلط جمل العمودين معاً. كما تنغرس عناوين الصفحات وتذييلاتها المتكررة («Company Confidential, page 4 of 30») في منتصف الفقرات. والنشرات التي تحتوي على مربعات نصية وأشرطة جانبية هي الأسوأ. إذا كان لديك ملف مصدر بصيغة Word أو Google Docs، فارفعه بدلاً من ملف PDF المصمم، أو صدّر نسخة بسيطة من عمود واحد للروبوت.
الجداول هي الجزء الأصعب. في كثير من ملفات PDF يكون الجدول مجرد نص موضوع في شبكة، دون صفوف وأعمدة حقيقية تحته. وبعد الاستخراج، قد يتحول جدول الأسعار إلى سلسلة أرقام بلا تسميات، فيطابق الروبوت السعر الخاطئ مع الخطة الخاطئة. أصلح ذلك من المصدر: أعد كتابة الجداول المهمة كجمل أو قوائم قصيرة («تكلّف خطة Pro 40 دولاراً شهرياً وتشمل 5 مستخدمين»)، أو ضعها في جدول بيانات أو CSV إذا كانت أداتك تقبله. ثم اختبر الأسئلة الدقيقة التي يجيب عنها الجدول.
الصور والمخططات غير مرئية في معظمها. مخطط توصيلات، أو جدول مقاسات محفوظ كصورة، أو لقطة شاشة لإعدادات، تحتوي على معلومات لا يراها مستخرج النص أبداً، إلا إذا كانت الأداة تشغّل OCR أو قراءة للصور عليها، وحتى عندها نادراً ما يبقى معنى المخطط كاملاً. إذا كانت الإجابة موجودة في صورة، فأضف جملة بجانبها تقول الشيء نفسه بالكلمات.
كيف يؤثر التقطيع في إجاباتك. تقسّم الأدوات المستندات إلى مقاطع، عادةً من بضع مئات من الكلمات لكل مقطع، وتسترجع المقاطع التي تطابق السؤال بشكل أفضل. والنتيجة العملية: يجب أن تكون الإجابة قابلة للعثور عليها داخل مقطع واحد. فإذا كانت السياسة تقول «تُقبل المرتجعات خلال 30 يوماً» في الصفحة 2، و«باستثناء منتجات التخفيضات» في الصفحة 9، فقد يسترجع الروبوت أحدهما دون الآخر بسهولة. احتفظ بكل قاعدة واستثناءاتها معاً، في الفقرة نفسها، تحت عنوان يسمي الموضوع.
اكتب العناوين بما يطابق طريقة سؤال العملاء. يعمل التقطيع والاسترجاع بشكل أفضل عندما يكون المستند منظماً تحت عناوين واضحة ووصفية: «كم تستغرق مدة الشحن إلى كندا؟» يُسترجع بشكل أفضل من «القسم 4.2 اللوجستيات». لا تحتاج إلى إعادة كتابة دليل كامل؛ فإضافة عناوين بلغة العملاء إلى أكثر عشرة أقسام يُسأل عنها تحقق معظم الفائدة. استخدم الكلمات التي يستخدمها العملاء: إذا قالوا «refund» ومستندك يقول «reimbursement»، فأضف «refund» إلى العنوان.
قسّم المستندات الضخمة. دليل من 300 صفحة يُرفع كملف واحد يعمل، لكنه يجعل الاسترجاع أكثر ضوضاء وتحديثه أصعب. تقسيمه إلى فصول (التهيئة، واستكشاف الأخطاء، والضمان) يجعل من الأسهل معرفة أي جزء أجاب عن السؤال، واستبدال فصل واحد دون إعادة رفع كل شيء. والأمر نفسه ينطبق على ملف سياسة «شامل»: ثلاثة مستندات عن ثلاثة مواضيع تُسترجع عادةً بشكل أفضل من مستند واحد.
اختبر قبل أن يختبرك العملاء. اكتب عشرين سؤالاً حقيقياً من صندوق وارد بريدك، بما في ذلك خمسة أسئلة لا تجيب عنها المستندات إلا في جدول، وسؤال واحد يظهر فقط في ملف ممسوح ضوئياً، وثلاثة أسئلة لا تجيب عنها المستندات أبداً. اطرح كل سؤال. ولكل إجابة، تحقق منها مقابل صفحة المصدر. أنت تبحث عن ثلاثة أنواع من الإخفاق: معلومات خاطئة (غالباً مشكلة في التحليل أو نسخة مكررة)، و«لا أعرف» رغم وجود الإجابة (غالباً مشكلة في التقطيع أو العناوين)، وإجابات مختلقة عندما لا تكون موجودة (مشكلة في الاستناد إلى المصدر، وهي الأخطر).
عالج السبب لا العرض. إذا كانت إجابة الجدول خاطئة، فأعد كتابة الجدول، ولا تضف قاعدة في الموجّه بشأنه. وإذا فوّت الروبوت إجابة موجودة، فأضف عنواناً أو انقل الاستثناء بجانب القاعدة. وإذا كان يجب أن تكون إجابة دقيقة واحدة صحيحة في كل مرة (مدة الضمان، ورسوم الإلغاء)، فأضفها كزوج سؤال وجواب منفصل أيضاً، حتى لا تعتمد على الطريقة التي اتفق بها انقسام ملف PDF.
حافظ على تحديث المستندات بروتين بسيط. امنح كل مستند مرفوع مالكاً وتاريخ مراجعة. عندما تتغير سياسة، استبدل الملف في اليوم نفسه واحذف القديم، بدلاً من رفع نسخة جديدة بجانب القديمة. ومرة في الشهر، راجع الأسئلة التي لم يستطع الروبوت الإجابة عنها، والإجابات التي قيّمها العملاء بشكل سلبي؛ فكل واحدة منها تشير عادةً إلى مستند مفقود أو قديم أو غير قابل للقراءة.
انتبه لما تحتويه الملفات. قبل الرفع، ابحث في المستندات عن البيانات الشخصية، وملاحظات التسعير الداخلية، وأسماء الموظفين وأرقام هواتفهم، وأي شيء مشمول باتفاقية سرية. فالاسترجاع لا يعرف أي فقرة كان يُقصد أن تكون داخلية. وإذا كان الملف يخلط بين المحتوى العام والخاص، فأنشئ نسخة عامة للروبوت.
أين يناسب ZChat. يتيح لك ZChat رفع ملفات PDF وWord وExcel وPowerPoint وCSV وHTML والنص وMarkdown في صفحة قاعدة المعرفة، إلى جانب زحف الموقع، ومقالات المساعدة، وأزواج الأسئلة والأجوبة مع صياغات بديلة. تُقرأ ملفات PDF الممسوحة ضوئياً والصور باستخدام OCR عندما تملك مساحة العمل مفتاح OpenAI، سواء كان مُداراً أو مفتاحك الخاص. ويقول الذكاء الاصطناعي متى لا يعرف بدلاً من التخمين، وتتيح لك اختبارات العملاء المحاكَين بالذكاء الاصطناعي تشغيل أسئلتك العشرين كاختبار قابل للتكرار بعد كل تغيير في المستندات.
أين لا يناسب. إذا كانت حاجتك الأساسية هي البحث في آلاف الملفات الداخلية للموظفين، فإن أداة بحث للمؤسسات أنسب من روبوت دعم عملاء موجه للجمهور. ولا توجد أداة تصلح مستنداً خاطئاً؛ فالروتين أعلاه أهم من البرنامج.
يعني تدريب روبوت على ملفات PDF الاستخراج والتقطيع والاسترجاع، لذلك تعتمد جودة الإجابة على مدى سهولة قراءة ملفاتك.
الممسوحات ضوئياً والتخطيطات متعددة الأعمدة والجداول والصور تُقرأ بشكل سيئ؛ أصلحها من المصدر، واحتفظ بكل قاعدة مع استثناءاتها.
اختبر بأسئلة حقيقية مقابل صفحات المصدر، ثم احتفظ بنسخة حالية واحدة من كل مستند مع مالك وتاريخ مراجعة.