الحالة: مرحلة التخطيط/السقالة (planning). هذا المستودع يوثّق التصميم والخطة (12 أسبوعًا) ويضع البنية الأساسية. التنفيذ الفعلي (ingestion/ retrieval/reasoning) لم يبدأ بعد — الخطة في
docs/PLAN-12WEEKS.md.المصدر: محادثة DeepSeek
1m3ih8eveq98lv7aqc(رسائل 158-161).
نظام RAG طبي بالعربية يجاوب على أسئلة طبية من مستندات عربية — يبني على أصول المالك الفريدة:
ocr-core— استخراج النص (ميثاق 18 قاعدة)arabic-medical-glossary— 470K+ مصطلحarabic-medical-ocr-corrections(HF) — تصحيحات موثقة- بيانات طبية/كتب ممسوحة
لماذا هذا المشروع؟ (من `docs/DECISION_ANALYSIS.md): طبيب + أصول عربية طبية نادرة + ocr-core جاهز = شيء لا تبنيه شركات أمريكية لا تفهم العربية الطبية. الجمهور فوري (أطباء/طلاب/باحثون عرب). القياس واضح (دقة إجابة + CER).
Ingestion ─→ Retrieval ─→ Reasoning
(PDF/صور (BM25 + (Qwen 2.5 7B
→ ocr-core dense + محلي +
→ chunking RRF fusion guardrails)
→ embed) Qdrant)
└── Evaluation (500 سؤال/جواب طبي عربي) ──┘
| الطبقة | الاختيار | السبب |
|---|---|---|
| OCR | ocr-core (Tesseract + Paddle) |
موجود، يعمل |
| Embeddings | BAAI/bge-m3 أو aubmindlab/bert-base-arabertv2 |
عربي جيد، مفتوح |
| Vector store | Qdrant (محلي) | سريع، Python-first |
| LLM | Qwen 2.5 7B Instruct (محلي) | الأفضل للعربية حاليًا |
| Fusion | RRF (Reciprocal Rank Fusion) | دمج BM25 + dense |
| الواجهة | Gradio (HF Space) ثم Next.js | سرعة إطلاق |
src/medical_rag_ar/
├── ingestion/ pdf_processor · chunker · embedder · indexer
├── retrieval/ bm25 · dense · fusion (RRF)
├── reasoning/ llm · guardrails · answer
├── evaluation/ 500 Q/A · metrics (دقة + CER + زمن)
└── demo/ Gradio HF Space
pip install -e ".[dev]" # أدوات التطوير فقط
pip install -e ".[ingest]" # ocr-core + sentence-transformers + qdrant
pip install -e ".[retrieval]" # rank_bm25 + qdrant-client
pip install -e ".[llm]" # transformers + torch (Qwen 2.5)
pip install -e ".[all]"docs/DECISION_ANALYSIS.md— لماذا هذا المشروع (4 سيناريوهات مُقارنة)docs/PLAN-12WEEKS.md— الخطة الأسبوعية التفصيلية (الأسبوع 1-12)docs/ARCHITECTURE.md— المعمارية والقرارات التقنية
يُبنى على 4 مستودعات فقط (ocr-core + arabic-medical-glossary + arabic-medical-ocr-corrections + هذا). الباقي يُجمَّد 12 أسبوعًا.
MIT (الكود). النماذج: Qwen 2.5 (Apache-2.0)، bge-m3 (MIT)، AraBERT (Apache-2.0).