trustgraph/docs/tech-specs/ar/rag-streaming-support.ar.md

layout	title	parent
default	مواصفات فنية لدعم التدفق في RAG	Arabic (Beta)

مواصفات فنية لدعم التدفق في RAG

Beta Translation: This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.

نظرة عامة

تصف هذه المواصفات إضافة دعم التدفق إلى خدمات GraphRAG و DocumentRAG، مما يمكّن من الحصول على استجابات على شكل أجزاء (token-by-token) في الوقت الفعلي للاستعلامات المتعلقة باسترجاع المعرفة ورؤوس المستندات. هذا يوسع البنية المعمارية الحالية للتدفق، والتي تم تنفيذها بالفعل لخدمات إكمال النص، والتعليمات البرمجية، ووكلاء LLM.

الأهداف

• تجربة تدفق متسقة: توفير تجربة تدفق متسقة عبر جميع خدمات TrustGraph.
• تغييرات واجهة برمجة تطبيقات (API) قليلة: إضافة دعم التدفق باستخدام علامة واحدة (streaming)، وفقًا للأنماط المتبعة.
• التوافق مع الإصدارات السابقة: الحفاظ على سلوك غير تدفق بشكل افتراضي.
• استخدام البنية التحتية الحالية: الاستفادة من تدفق PromptClient المطبق بالفعل.
• دعم البوابة: تمكين التدفق من خلال بوابة websocket للتطبيقات العميلة.

الخلفية

خدمات التدفق الحالية:

• خدمة إكمال النص للـ LLM: المرحلة 1 - التدفق من مزودي LLM.
• خدمة التعليمات البرمجية: المرحلة 2 - التدفق من خلال قوالب التعليمات البرمجية.
• خدمة الوكيل: المراحل 3-4 - استجابات ReAct مع أجزاء فكرية/ملاحظات/إجابات متزايدة.

قيود الحالية لخدمات RAG:

• GraphRAG و DocumentRAG تدعم فقط الاستجابات المتوقفة.
• يجب على المستخدمين الانتظار حتى استلام الرد الكامل من LLM قبل رؤية أي مخرجات.
• تجربة مستخدم (UX) سيئة للاستجابات الطويلة من استعلامات الرسم البياني المعرفي أو المستندات.
• تجربة غير متسقة مقارنة بـ خدمات TrustGraph الأخرى.

تستجيب هذه المواصفات لهذه الثغرات من خلال إضافة دعم التدفق إلى GraphRAG و DocumentRAG. من خلال تمكين الاستجابات على شكل أجزاء، يمكن لـ TrustGraph:

• توفير تجربة تدفق متسقة عبر جميع أنواع الاستعلام.
• تقليل التأخير المتوقع في استعلامات RAG.
• تمكين ملاحظات تقدم أفضل للاستعلامات الطويلة الأمد.
• دعم العرض في الوقت الفعلي في تطبيقات العملاء.

التصميم الفني

البنية

يستفيد تنفيذ التدفق في RAG من البنية التحتية الحالية:

1. تدفق PromptClient (مطبق بالفعل)

   • يستقبل kg_prompt() و document_prompt() بالفعل معلمات streaming و chunk_callback.
   • تستدعي هذه prompt() داخليًا مع دعم التدفق.
   • لا يلزم إجراء أي تغييرات على PromptClient.

   الوحدة: trustgraph-base/trustgraph/base/prompt_client.py

2. خدمة GraphRAG (تحتاج إلى تمرير معلمة التدفق)

   • إضافة معلمة streaming إلى طريقة query().
   • تمرير علامة التدفق والوظائف المرجعية إلى prompt_client.kg_prompt().
   • يجب أن يحتوي مخطط GraphRag على حقل streaming.

   الوحدات:

   • trustgraph-flow/trustgraph/retrieval/graph_rag/graph_rag.py
   • trustgraph-flow/trustgraph/retrieval/graph_rag/rag.py (المعالجة)
   • trustgraph-base/trustgraph/schema/graph_rag.py (مخطط الطلب)
   • trustgraph-flow/trustgraph/gateway/dispatch/graph_rag.py (البوابة)

3. خدمة DocumentRAG (تحتاج إلى تمرير معلمة التدفق)

   • إضافة معلمة streaming إلى طريقة query().
   • تمرير علامة التدفق والوظائف المرجعية إلى prompt_client.document_prompt().
   • يجب أن يحتوي مخطط DocumentRag على حقل streaming.

   الوحدات:

   • trustgraph-flow/trustgraph/retrieval/document_rag/document_rag.py
   • trustgraph-flow/trustgraph/retrieval/document_rag/rag.py (المعالجة)
   • trustgraph-base/trustgraph/schema/document_rag.py (مخطط الطلب)
   • trustgraph-flow/trustgraph/gateway/dispatch/document_rag.py (البوابة)

تدفق البيانات

غير تدفق (الحالي):

Client → Gateway → RAG Service → PromptClient.kg_prompt(streaming=False)
                                   ↓
                                Prompt Service → LLM
                                   ↓
                                رد كامل
                                   ↓
Client ← Gateway ← RAG Service ←  الرد

تدفق (مقترح):

Client → Gateway → RAG Service → PromptClient.kg_prompt(streaming=True, chunk_callback=cb)
                                   ↓
                                Prompt Service → LLM (streaming)
                                   ↓
                                جزء → وظيفة مرجعية → رد RAG (جزء)
                                   ↓                       ↓
Client ← Gateway ← ────────────────────────────────── رد التدفق

واجهات برمجة التطبيقات (APIs)

تغييرات GraphRAG:

1. GraphRag.query() - إضافة معلمات التدفق

async def query(
    self, query, user, collection,
    verbose=False, streaming=False, chunk_callback=None  # NEW
):
    # ... كود موجود ...

    if streaming and chunk_callback:
        resp = await self.prompt_client.kg_prompt(
            query, kg,
            streaming=True,
            chunk_callback=chunk_callback
        )
    else:
        resp = await self.prompt_client.kg_prompt(query, kg)

    return resp

2. مخطط GraphRagRequest - إضافة حقل التدفق

class GraphRagRequest(Record):
    query = String()
    user = String()
    collection = String()
    streaming = Boolean()  # NEW

3. مخطط GraphRagResponse - إضافة حقول التدفق (اتبع نمط الوكيل)

class GraphRagResponse(Record):
    response = String()
    metadata = dict
    # ... حقول أخرى ...

تغييرات DocumentRAG: (نفس التغييرات الموضحة أعلاه)

التغييرات في البوابة

(نفس التغييرات الموضحة أعلاه)

خطة النقل

لا توجد حاجة لنقل:

• التدفق هو خيار، وتكون القيمة الافتراضية هي False.
• لا تزال العملاء الحالية تعمل بشكل طبيعي.
• يمكن للعملاء الجدد اختيار التدفق.

الجدول الزمني

الوقت المقدر للتنفيذ: 4-6 ساعات

• المرحلة 1 (2 ساعات): دعم التدفق في GraphRAG
• المرحلة 2 (2 ساعات): دعم التدفق في DocumentRAG
• المرحلة 3 (1-2 ساعات): تحديثات البوابة وعلامات سطر الأوامر (CLI)
• الاختبار: تم تضمينه في كل مرحلة

الأسئلة المفتوحة

• هل يجب إضافة دعم التدفق لخدمة NLP Query أيضًا؟
• هل نريد تدفق خطوات وسيطة (مثل "جاري استرداد الكيانات..."، "استعلام عن الرسم البياني") أم فقط مخرجات LLM؟
• هل يجب تضمين بيانات وصفية للجزء (مثل رقم الجزء، العدد الإجمالي المتوقع) في استجابات GraphRAG/DocumentRAG؟

المراجع

• التنفيذ الحالي: docs/tech-specs/streaming-llm-responses.md
• تدفق PromptClient: trustgraph-base/trustgraph/base/prompt_client.py
• تدفق الوكيل: trustgraph-flow/trustgraph/agent/react/agent_manager.py