مساعد الصحة النفسية (RAG)

يقوم هذا المشروع بتنفيذ نظام "توليد النصوص المعزز بالاسترجاع" (RAG) المخصص لدعم الصحة النفسية.

بدلاً من الاعتماد الكلي على النموذج اللغوي (LLM) لإنتاج إجابات من العدم — مما قد يعرض النظام لخطر

"الهلوسة البرمجية" أو تقديم نصائح غير آمنة — يقوم النظام باسترجاع إجابات حقيقية لمعالجين نفسيين

من قاعدة بيانات منقحة، ثم يعيد صياغتها بأسلوب داعم ومتعاطف.

لماذا يمثل هذا المشروع أهمية؟

- الذكاء الاصطناعي ليس مصدر الحقيقة: النموذج اللغوي لا يبتكر المعلومة الطبية.

- الاستناد لخبرات واقعية: ضمان دقة الإجابات بناءً على معرفة معالجين مختصين.

- إعادة صياغة آمنة: ينحصر دور الذكاء الاصطناعي في تحسين الأسلوب فقط.

- موثوقية أعلى ومخاطر أقل: دقة أكبر في تقديم الدعم وبناء جسر من الثقة مع المستخدم.

================================================================================

المواصفات التقنية (Technical Stack)

================================================================================

* استرجاع النصوص (Pair Embedding Retrieval): استخدام التعليمات (Instructions) مع دمج ردود المعالجين.

* تمثيل البيانات (Dense MPNet Embeddings): استخدام نموذج (all-mpnet-base-v2).

* البحث الدلالي (FAISS Vector Search): لضمان سرعة فائقة في استرجاع المعلومات.

* النماذج اللغوية (Multiple LLMs via Unsloth): دعم نماذج (Llama, Gemma, Mistral).

* تحسين الأداء (4-bit quantization): لضمان سرعة الاستنتاج (Inference).

* معايير الأمان (Safety prompting): لتجنب أي مخرجات ضارة أو غير آمنة.

* واجهة المستخدم (Streamlit UI): لتوفير تجربة تفاعلية وسهلة.

* أدوات التقييم (Evaluation pipeline): لقياس جودة الاسترجاع ودقة مخرجات النموذج.

================================================================================