نظام ذكاء اصطناعي (RAG) متعدد الوكلاء لتحليل السير الذاتية

قمت بتطوير واجهة برمجة تطبيقات (API) تعتمد على الذكاء الاصطناعي وتقنية الاسترجاع المعزز بالتوليد (RAG) لقراءة وتحليل السير الذاتية (PDF). يتميز المشروع بكتابة كود منظم يعتمد على معمارية (Semi-Clean Architecture) وفصل المهام، مع التركيز على حل مشكلة تداخل البيانات بين الملفات المختلفة التي يتم رفعها. أبرز المميزات الفنية: توجيه ذكي (Orchestration): بناء نظام يحلل رسالة المستخدم ويوجهها للوكيل المناسب (مثلاً: وكيل تقييم السيرة الذاتية أو وكيل محاكاة المقابلات الشخصية). معالجة النصوص محلياً: تقسيم نصوص الـ PDF وتوليد الـ Embeddings باستخدام نماذج محلية مجانية (Ollama) لتقليل الاعتماد على الخدمات المدفوعة. قاعدة بيانات متجهة (Vector DB): استخدام Qdrant مع تطبيق فلاتر (Payload Filtering) لضمان أن البحث يتم فقط داخل السيرة الذاتية المحددة لمنع تسريب بيانات من ملفات أخرى. إدارة المحادثات: تصميم نظام يلخص المحادثات القديمة تلقائياً للحفاظ على سياق الشات بدون تجاوز حدود استيعاب النموذج (Context Limit). تتبع الأخطاء: استخدام مكتبة Serilog لتسجيل تحركات النظام وردود الوكلاء في ملفات نصية لتسهيل مراجعة الأخطاء. التقنيات المستخدمة: ASP-NET Core (NET 10) Microsoft Semantic Kernel Qdrant Ollama (Mistral, Llama 2) Serilog