تجزئة المحتوى لاسترجاع نماذج اللغة الكبيرة (LLM): كيف يؤثر تصميم الأقسام على احتمالية الاستشهاد

تجزئة المحتوى لاسترجاع نماذج اللغة الكبيرة (LLM): كيف يؤثر تصميم الأقسام على احتمالية الاستشهاد

بقلم صوفيا مينديز، رئيسة قسم صوت العلامة التجارية والأصالة
لمحة عن البحث: 23 أكتوبر 2026

لا يلزم تقسيم الصفحة إلى أجزاء صغيرة للحصول على مكان في إجابة الذكاء الاصطناعي. لكن يجب أن تكون أفكارها سهلة العثور عليها وفهمها والاقتباس منها.

هذا هو التمييز المفيد. التصميم الجيد للأقسام يمكن أن يجعل المحتوى أوضح للأشخاص وأنظمة الاسترجاع. ولكنه لا يضمن أن محرك بحث الذكاء الاصطناعي سيستشهد بالصفحة. لا توجد قاعدة مثبتة من 80 إلى 120 كلمة لكسب الاستشهادات.

ملاحظة حول اختبار A/B المطلوب: لم أتمكن من إجراء اختبار مباشر لهذه المقالة. لم يتم توفير أي موقع ويب، أو نسخ صفحات منشورة، أو حساب بحث، أو استعلامات اختبار. لذا، لا تقدم هذه المقالة أي نتائج مبتكرة. إنها تشرح ما يدعمه البحث الحالي وتحدد اختبارًا يمكن لمالك الموقع تشغيله.

أولاً، افصل الاسترجاع عن الفهرسة

قد تبدو "عملية البحث بالذكاء الاصطناعي" كنظام واحد، ولكن هناك عدة خطوات تفصل بين نشر الصفحة ورؤيتها مستشهدًا بها:

1. الزحف: يمكن لنظام بحث أو روبوت الوصول إلى الصفحة.
2. الفهرسة: يقوم النظام بتخزين ومعالجة الصفحة.
3. الاسترجاع: يجد نظام البحث أو الذكاء الاصطناعي الصفحة—أو جزءًا منها—لسؤال معين.
4. الاستشهاد: تتضمن الإجابة الصفحة كمصدر.

قد يساعد تصميم القسم النظام على فهم واسترجاع جزء ذي صلة. لكنه لا يستطيع إصلاح صفحة محظورة من الزحف، أو لم تتم فهرستها أبدًا، أو أقل فائدة من المصادر الأخرى. تقول جوجل إن الصفحات يجب أن تكون مفهرسة ومؤهلة للظهور مع مقتطف قبل أن تتمكن من أن تكون روابط داعمة في ميزات الذكاء الاصطناعي الخاصة بها—وحتى الصفحات المؤهلة لا يضمن ظهورها. (developers.google.com)

هذا مهم لأن دقة المقتطف واختيار الاستشهاد نتائج مختلفة. قد يستخرج نظام ما مقطعًا واضحًا من صفحتك ولكنه يستشهد بمصدر آخر. أو قد يستشهد بصفحتك بينما يعتمد على معلومات من عدة أقسام.

ما تقوله الأدلة حول طول الأجزاء

تُظهر الأبحاث حول RAG—أنظمة استرجاع النصوص قبل مطالبة نموذج لغوي بالإجابة—أن حجم الأجزاء يمكن أن يكون مهمًا. لكن الحجم الأمثل يعتمد على المهمة.

اختبرت دراسة أجريت عام 2025 أجزاء ذات حجم ثابت عبر العديد من مجموعات بيانات الإجابة على الأسئلة. كانت الأجزاء الأصغر، مثل 64 أو 128 توكنًا، أفضل في بعض الأسئلة ذات الإجابات القصيرة والمباشرة. غالبًا ما كانت الأجزاء الأكبر أفضل عندما كان السؤال يحتاج إلى سياق أكبر. قاسَت الدراسة التوكنات في نظام استرجاع، وليس أقسامًا بعدد الكلمات على المواقع العامة. إنها لا تثبت أن الأقسام التي تتراوح من 80 إلى 120 كلمة تحسّن الاستشهادات في بحث جوجل أو بنج أو ChatGPT. (arxiv.org)

وجدت دراسة أخرى، نُشرت في نتائج ACL لعام 2025، أن طريقة تجميع الأفكار كانت مهمة — وليس مجرد طول الجزء. أفاد مؤلفوها أن طول الجزء وحده لم يتنبأ مباشرة بجودة الاسترجاع أو الإجابة. وهذا يشير إلى درس عملي: القسم القصير ليس بالضرورة قسمًا جيدًا. لا يزال بحاجة إلى احتواء فكرة كاملة. (aclanthology.org)

هناك أيضًا حدود لما يمكن أن تخبرنا به هذه الدراسات. فهي تختبر أنظمة بحثية بنماذج ومجموعات بيانات وإعدادات استرجاع معروفة. تستخدم منتجات البحث العامة بالذكاء الاصطناعي أنظمتها الخاصة، وقواعد الاختيار الكاملة ليست علنية.

ما يمكن للعناوين والروابط الثابتة فعله — وما لا يمكنها فعله

العناوين تجعل الصفحة أسهل في التتبع

تخبر العناوين الواضحة H2 و H3 القراء بما يغطيه كل قسم. يمكنها أيضًا مساعدة الأنظمة على فهم كيفية ارتباط الأفكار. تقول جوجل إن تصنيف المقطع يمكنه تحديد أجزاء الصفحة ذات الصلة بالاستعلام. وبالمثل، توصي إرشادات مشرفي المواقع من مايكروسوفت بهيكل محتوى واضح ومستويات عناوين منطقية للمحتوى الذي قد يدعم إجابات واستشهادات الذكاء الاصطناعي. لا يقدم أي من المصدرين تنسيق عنوان يضمن الاختيار. (developers.google.com)

العنوان المفيد يحدد النقطة التي يطرحها القسم. "متى يعمل قسم قصير" أكثر إفادة من "مزيد من التفاصيل". ولكن يجب أن تصف العناوين المحتوى، لا أن تكرر عبارات البحث لذاتها.

الروابط الثابتة المسماة هي روابط مفيدة، وليست صفحات منفصلة

يسمح معرف مثل id="short-sections" للرابط بالانتقال إلى عنوان محدد في الصفحة. هذا يساعد القراء على مشاركة قسم أو إعادة زيارته. إنه ليس صفحة منفصلة قابلة للفهرسة لذلك القسم. تقول جوجل إنها تتجاهل بشكل عام أجزاء عناوين URL للزحف والفهرسة كمحتوى مميز، بينما تدعم الأجزاء المستخدمة للإشارة إلى المحتوى داخل الصفحة. (developers.google.com)

لذلك، استخدم الروابط الثابتة المسماة للتنقل المستقر. لا تتوقع أن يؤدي رابط #اسم-القسم، بحد ذاته، إلى زيادة احتمالية الاستشهاد أو تسريع الفهرسة.

الكتابة الواضحة تتفوق على الترميز الذكي

إرشادات جوجل الحالية مباشرة: لا توجد حاجة ملزمة لتقسيم المحتوى إلى أجزاء صغيرة للذكاء الاصطناعي، ولا يوجد طول مثالي للصفحة. قم بتنظيم الصفحة لقرائها وموضوعها. وتقول جوجل أيضًا أن ميزاتها المدعومة بالذكاء الاصطناعي تعتمد على أنظمة البحث الأساسية، وليس على تنسيق تجزئة خاص. (developers.google.com)

تلك قاعدة أفضل من تلبية عدد كلمات بشكل أعمى.

فكرة 80-120 كلمة: افتراضي مفيد، وليس قاعدة تصنيف

يمكن أن يعمل القسم الذي يتراوح بين 80 و 120 كلمة بشكل جيد عندما يجيب على سؤال واحد بطريقة كاملة. على سبيل المثال، قد يذكر توصية، ويشرح سبب فعاليتها، ويقدم تحذيرًا واحدًا.

لكن إجبار كل قسم على أن يكون ضمن هذا النطاق يمكن أن يجعل المقالة متقطعة. بعض الأفكار تحتاج إلى إجابة قصيرة. بينما تحتاج أفكار أخرى إلى مثال عملي، أو دليل، أو تحذير يغير التوصية.

تعامل مع 80-120 كلمة كنقطة انطلاق تحريرية — وليس كعتبة لتحسين محركات البحث. اجعل القسم قصيرًا عندما يقدم نقطة كاملة واحدة. واسمح له بالامتداد عندما يؤدي تقليصه إلى إزالة السياق المطلوب.

كيفية إجراء اختبار A/B موثوق

لاختبار التأثير على بحث الذكاء الاصطناعي العام، تحتاج إلى موقع مباشر، وإمكانية الوصول إلى أدوات الفهرسة، ومجموعة ثابتة من الأسئلة. قد يكون اختبار صغير على صفحتين مثيرًا للاهتمام، لكنه لا يمكنه فصل تأثيرات التصميم عن الاختلافات في الموضوع، أو السلطة، أو توقيت الزحف.

قارن بين نسختين من البنية

لإجراء اختبار أول، قارن بين نمطي الصفحات التاليين:

النطاق من 300 إلى 500 كلمة هو تحكم اختباري مقترح، وليس معيارًا راسخًا. حافظ على الحقائق الأساسية، والأدلة، والأمثلة، وقالب الصفحة، والبيانات الوصفية، ودعم الروابط الداخلية متشابهة قدر الإمكان.

يقيس هذا الاختبار الأول مجموعة من خيارات التصميم. إذا كان المتغير "أ" يحتوي على فواصل أقسام أكثر وعناوين H3 أكثر، فلا يمكنك القول ما إذا كان أي اختلاف ناتجًا عن عدد الكلمات، أو العناوين، أو مزيجها. لعزل هذه العوامل، قم بإجراء اختبار ثانٍ يغير عاملاً واحدًا في كل مرة—على سبيل المثال، حافظ على ترميز العنوان والرابط الثابت كما هو مع تغيير فواصل الفقرات.

استخدم نوعين من الاختبار

1. اختبار استرجاع مُتحكم به

ضع نفس النص المصدر في نسختين من نظام الاسترجاع الخاص بك، أو في نظام اختبار تتحكم فيه. حافظ على ثبات النموذج، وإعدادات البحث، ومجموعة الأسئلة. غير فقط طريقة تقسيم النص.

يمكن لهذا الاختبار تحديد ما إذا كان تصميم معين يؤدي إلى استرجاع أفضل أو إجابات أكثر دقة داخل ذلك النظام. لكنه لا يخبرك بما سيفعله منتج بحث الذكاء الاصطناعي العام.

2. اختبار الويب المباشر

تحتاج محركات البحث العامة إلى صفحات مباشرة، لذا استخدم صفحات مطابقة وأصلية بدلاً من نشر نسخ متطابقة. قم بمطابقة الصفحات ذات الجمهور المماثل، وصعوبة الموضوع، والعمر، ودعم الموقع الحالي. قم بتعيين صفحة واحدة عشوائيًا في كل زوج للمتغير "أ" والأخرى للمتغير "ب".

حافظ على عدالة عملية النشر: استخدم قوالب صفحات قابلة للمقارنة، وبيانات وصفية، وروابط داخلية، وتوقيت خريطة الموقع. لا تروج لمتغير واحد بشكل أكبر. إذا كان الموقع يحتوي على عدد قليل من الصفحات المناسبة، فتعامل مع النتيجة كدراسة تجريبية صغيرة، وليس كدليل.

قياس النتائج بشكل منفصل

• دقة استخراج المقتطف: قم بإعداد أسئلة بإجابات معروفة. اطلب من المراجعين التحقق مما إذا كان كل مقتطف أو إجابة صادرة عن الذكاء الاصطناعي يلتقط الحقيقة الصحيحة دون تغيير معناها.
• معدل اختيار الاستشهاد: لكل سؤال ثابت، سجل ما إذا كانت الصفحة المستهدفة تظهر كاستشهاد. وسجل أيضًا ما إذا كانت الصفحة المستشهد بها تدعم الادعاء بالفعل.
• الوقت اللازم للفهرسة: سجل متى تم نشر كل صفحة، ومتى تم الزحف إليها لأول مرة، ومتى تم تأكيد فهرستها لأول مرة. تحقق من الحالة بانتظام وقدم متوسط الوقت، بالإضافة إلى النسبة المئوية التي لم تتم فهرستها بعد في النهاية.

يتطلب وقت الفهرسة معالجة دقيقة. توصي جوجل بالروابط القابلة للزحف وخرائط المواقع للمساعدة في الاكتشاف، لكنها تقول إن الزحف والفهرسة ليسا مضمونين. تشير إرشاداتها أيضًا إلى أن تحديثات إعادة الزحف قد تستغرق وقتًا. أبلغ عن الصفحات التي لم تتم فهرستها بحلول النهاية على أنها لم تتم فهرستها بعد، بدلاً من حذفها بصمت من النتائج. (developers.google.com)

استخدم قائمة استعلامات ثابتة وكرر نفس الأسئلة عبر نفس منتجات بحث الذكاء الاصطناعي. يمكن أن تتغير النتائج، لذا احتفظ بسجل للتاريخ والمنصة والسؤال والإجابة وعناوين URL المستشهد بها. يمكن لتقرير أداء الذكاء الاصطناعي في أدوات مشرفي المواقع من Bing إظهار صفحات الموقع التي يتم الاستشهاد بها وكيف تتغير نشاطات الاستشهاد. تحذر Bing من أن التغييرات في تلك الإجماليات لا تدل على أن تعديل صفحة واحد قد تسبب في التغيير. (bing.com)

فرضياتي — وليست نتائج اختبار

قبل إجراء الاختبار، أتوقع:

• قد تتحسن دقة المقتطف عندما يجيب قسم على سؤال محتمل واحد دون فقدان السياق الضروري. تدعم دراسات RAG اختبار هذه الفكرة، لكنها لا تثبت تأثيرها على بحث الذكاء الاصطناعي العام.
• قد يتغير اختيار الاستشهاد قليلاً — أو لا يتغير على الإطلاق. يمكن أن يساعد القسم الأوضح في الفهم، ولكن قرار الاستشهاد يعتمد أيضًا على الاستعلام، والمصادر المتنافسة، وما إذا كانت الصفحة سهلة الوصول وذات صلة. تصف جوجل إجابات الذكاء الاصطناعي بأنها تعتمد على استرجاع البحث والاستعلامات ذات الصلة، وليس على قاعدة طول قسم ثابتة. (developers.google.com)
• قد لا يتحسن وقت الفهرسة لمجرد أن الأقسام أقصر. إشارات الاكتشاف وإمكانية الوصول للزحف هي أمور أكثر مباشرة للتحقق منها. هذا توقع منطقي، وليس نتيجة مقاسة.

معيار عملي لبنية المحتوى

بالنسبة لمعظم صفحات المؤسس والمنتجات، أوصي بهذا كـ نمط داخلي، وليس وعدًا بمزيد من الاستشهادات:

1. صفحة واحدة، حاجة قارئ رئيسية واحدة. وضح ما تساعد الصفحة القارئ على فعله.
2. عنوان H1 واحد وواضح. اجعل الموضوع الرئيسي واضحًا.
3. استخدم عناوين H2 و H3 وصفية. اجعل الصفحة سهلة المسح، مع عناوين بترتيب منطقي.
4. اهدف إلى إجابة كاملة واحدة لكل قسم. استخدم 80-120 كلمة عندما يناسب هذا الطول. اذهب لأكثر عندما تحتاج الفكرة إلى إثبات أو سياق أو مثال.
5. اكتب بحيث يمكن لكل قسم أن يقف بمفرده. سمِّ المنتج أو الشخص أو الفكرة بدلاً من الاعتماد على كلمات مبهمة مثل "هو" أو "هذا".
6. أضف معرفات وصفية مستقرة للعناوين المهمة. استخدم روابط عادية مثل href="#short-sections" للتنقل داخل الصفحة — وليس بادعاء أن كل جزء هو صفحة جديدة.
7. حافظ على النص المهم سهل الوصول. تحقق من أن برامج الزحف يمكنها الوصول إلى الصفحة وأن محتواها الرئيسي متاح كنص. بالنسبة لبحث ChatGPT، تحدد OpenAI برنامج OAI-SearchBot كبرنامج زحف البحث وتشرح أن مالكي المواقع يمكنهم إدارة وصوله عبر ملف robots.txt. (developers.openai.com)
8. ضع الدليل بجانب الادعاء الذي يدعمه. الادعاء القصير مع مصدر قريب أسهل للتحقق من ادعاء يعتمد على سياق يبعد عدة أقسام.
9. حافظ على وجهة نظر المالك. التصميم النظيف لن يجعل المحتوى العام يستحق الاستشهاد به — أو يستحق القراءة.

هذه النقطة الأخيرة من السهل تفويتها. يجب أن توفر الأتمتة وقت المؤسس، لا أن تمحو السبب الذي يجعل محتواهم مختلفًا. يمكن لسير عمل المحتوى المفيد إعادة استخدام موجز واضح: المنشئ، الجمهور، والذوق. يستخدم AutoPod هذه المدخلات لتوجيه المقالات مع الحفاظ على وجهة نظر المالك في العملية. يمكن للنظام تنظيم الصفحة؛ لكن الرؤية لا تزال بحاجة إلى أن تأتي من الأشخاص الذين يعرفون المنتج والعميل.

الخلاصة: صمم من أجل الوضوح، ثم اختبر

الأقسام القصيرة، والعناوين الواضحة، والروابط الثابتة المسماة هي تصميم جيد للصفحة. إنها ليست حيلة مثبتة للاستشهاد. القسم الذي يتراوح بين 80-120 كلمة هو نقطة انطلاق معقولة عندما يعبر عن فكرة كاملة واحدة، لكن الأقسام الأطول قد تكون مناسبة عندما يحتاج القارئ إلى المزيد من السياق.

ابنِ صفحات يمكن للأشخاص مسحها ضوئيًا والوثوق بها. تأكد من أن أنظمة البحث يمكنها الوصول إليها. ثم اختبر ما إذا كان التخطيط المعياري يحسن الاستخراج أو الاستشهاد على صفحاتك الخاصة. إلى أن يتم إجراء هذا الاختبار، فإن الإجابة الصادقة بسيطة: **تجزئة المحتوى الجيدة تستحق الاختبار، لكن قاعدة الـ 100 كلمة ليست حقيقة.