أغلب أنظمة الاسترجاع تفشل قبل أول تضمين: في التقسيم. النص العربي المقتطع من منتصف مقطع يفقد ضمائره ومرجعيته، فيصل للنموذج مقطعاً بلا سياق.

ابدأ من الأبسط: قسّم على العناوين والفقرات، لا على عدد رموز ثابت. المقطع الجيد: من ١٥٠ إلى ٤٠٠ كلمة، يبدأ بجملة تصلح وحدها، ويتضمن اسم المستند وموضعه.

الفهرسة: تضمين لكل مقطع، وتخزين في قاعدة متجهات أو حتى في جدول عادي إن كان حجمك أقل من مئة ألف مقطع. لا تعقّد قبل أن يتطلب الحجم ذلك.

الاسترجاع: خذ العشرين الأعلى تشابهاً، ثم مرّر أفضل خمسة للنموذج. أعد الترتيب بنموذج ثانٍ صغير إن كان الترتيب الأول ضعيفاً.

السؤال المهم: هل المشكلة في الاسترجاع أم في التوليد؟ اختبرها بفصل الاثنين: اعرض المقاطع المسترجعة لعين بشرية قبل وصولها للنموذج. إن كانت المقاطع صحيحة والإجابة خاطئة، فالخلل في البرومبت أو النموذج لا في الفهرس.

القياس: احتفظ بأربعين سؤالاً حقيقياً مع المقاطع الصحيحة المتوقعة. مقياس بسيط: هل المقطع الصحيح ضمن الخمسة الأولى؟ هذا الرقم وحده يحكم تطويرك.