---
title: "RAG بالعربية: تطبيع النص والتقطيع والتضمينات | BroadRouter"
description: "التوليد المعزّز بالاسترجاع على مستندات عربية: وحّد الألف والياء والتاء المربوطة، وقطّع النص بذكاء، واختر تضمينات متعددة اللغات، وأضف البحث بالكلمات."
url: https://broadrouter.com/ar/blog/arabic-rag-search/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/arabic-rag-search/) (حُدّث في 2026-11-14).

# RAG للعربية: التطبيع والتقطيع والاسترجاع الذي ينجح فعلًا

بقلم فريق BroadNet Inference · قراءة في 6 دقائق · تاريخ النشر 2026-11-14

ينجح RAG بالعربية حين تطبّع النص قبل الفهرسة (توحيد أشكال الألف، والياء والألف المقصورة، والتاء المربوطة، وحذف التشكيل والتطويل)، وتقطّعه حسب الفقرات، وتجمع نموذج تضمين متعدد اللغات مع البحث بالكلمات المفتاحية، وتترك نموذج LLM طويل السياق يجيب من المقاطع المسترجعة مع ذكر المصادر. وطبّق التطبيع نفسه على الاستعلامات.

## أبرز النقاط

-   طبّع المستندات والاستعلامات بالطريقة نفسها: أ/إ/آ إلى ا، وى إلى ي، وة إلى ه، بلا تشكيل ولا تطويل.
-   احتفظ بالنص الأصلي للعرض، وافهرس النسخة المطبّعة.
-   اجمع البحث بالكلمات المفتاحية مع محلل للعربية والتضمينات متعددة اللغات، ثم قارن البحث الهجين بكل منهما منفردًا على استعلاماتك أنت.
-   اختر نموذج تضمين متعدد اللغات اختبرته على استعلامات عربية. لا توفّر BroadNet Inference نقطة نهاية للتضمينات (embeddings).
-   النماذج طويلة السياق تتيح لك استرجاعًا سخيًا: يقبل DeepSeek V4.1 Flash وGLM 5.3 ما يصل إلى 1,048,576 رمزًا.

**في هذه الصفحة**

1.  كيف يبدو مسار RAG للعربية؟
2.  كيف تطبّع النص العربي للبحث؟
3.  كيف تقطّع المستندات العربية؟
4.  لماذا تجمع البحث بالكلمات المفتاحية مع التضمينات؟
5.  كيف تولّد إجابات مع ذكر المصادر؟
6.  كيف تقيّم RAG بالعربية؟

_[image: A man speaking into a microphone beside the Arabic word "حوار" (conversation), with the text "Conversations, ready to search."]_

لكي ينجح [التوليد المعزّز بالاسترجاع](https://broadrouter.com/ar/glossary/rag/) (RAG) على العربية، طبّع المستندات والاستعلامات بقواعد الإملاء نفسها، وقطّع النص حسب الفقرات، وابحث بمحلل كلمات مفتاحية للعربية وبنموذج تضمين متعدد اللغات معًا، واجعل نموذج LLM يجيب من المقاطع المسترجعة وحدها مع ذكر مصادرها.

النمط، كما في [ورقة RAG الأصلية](https://arxiv.org/abs/2005.11401)، هو: استرجع ثم ولّد. ومعظم إخفاقات RAG بالعربية تحدث في النصف الأول. يكتب المستخدم «الفاتوره» والفهرس يحوي «الفاتورة»؛ وتقول السياسة «إلغاء» ويكتب المستخدم «الغاء»؛ ونموذج التضمين دُرّب في معظمه على الإنجليزية. أصلح الاسترجاع، وغالبًا ما يستقيم جزء الـ LLM من تلقاء نفسه.

## كيف يبدو مسار RAG للعربية؟

1.  **استخرج** النص من ملفات PDF وصفحات الويب ومقالات مركز المساعدة. وللملفات العربية الممسوحة ضوئيًا، راجع [OCR العربي مقابل نماذج LLM البصرية](https://broadrouter.com/ar/blog/arabic-ocr-vision-llm/).
2.  **طبّع** نسخة من النص للفهرسة.
3.  **قطّع** النص حسب بنيته: العناوين والفقرات.
4.  **افهرس** مرتين: فهرس للكلمات المفتاحية وفهرس للمتجهات.
5.  **استرجع** من الفهرسين بالاستعلام المطبّع، ثم ادمج النتائج وأعد ترتيبها.
6.  **ولّد** إجابة من أفضل المقاطع مع الاستشهاد بها.

## كيف تطبّع النص العربي للبحث؟

تسمح العربية بأكثر من طريقة لكتابة الكلمة نفسها، ونادرًا ما يكتب المستخدمون التشكيل أو الهمزة باتساق. طبّع النسخة المفهرسة وكل استعلام بالدالة نفسها:

| القاعدة | الحروف | السبب |
| --- | --- | --- |
| توحيد الألف | أ إ آ ٱ → ا | كثيرًا ما تُحذف الهمزة عند الكتابة |
| الألف المقصورة | ى → ي | شائعة في الكتابة المصرية والإملاء المتساهل |
| التاء المربوطة | ة → ه | يكتب المستخدمون ه في آخر الكلمة |
| حذف التشكيل | U+064B إلى U+0652، وU+0670 | معظم النصوص والاستعلامات غير مشكولة |
| حذف التطويل | ـ (U+0640) | مدّ زخرفي |
| الأرقام | ٠–٩ → 0–9 | لمطابقة الأرقام بأي من الشكلين |

جرّب كل خيار على نصك أنت باستخدام [أداة تطبيع النص العربي](https://broadrouter.com/tools/arabic-text-normalizer/)، التي تكتب لك أيضًا دالة Python مطابقة.

```python
import re

_DIAC = re.compile(r"[ً-ْٰ]")

def normalise(text: str) -> str:
    text = _DIAC.sub("", text).replace("ـ", "")
    text = re.sub("[أإآٱ]", "ا", text)
    text = text.replace("ى", "ي").replace("ة", "ه")
    return text.translate(str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789"))
```

تجد نقاط الترميز في [جدول Unicode للحروف العربية](https://www.unicode.org/charts/PDF/U0600.pdf). وهناك تحذيران:

-   **لا تعرض النص المطبّع أبدًا.** خزّن الأصل إلى جانبه، واعرض الأصل واستشهد به وأرسله إلى الـ LLM. فالعربية المطبّعة تبدو للقارئ مليئة بالأخطاء الإملائية.
-   **بعض حالات الدمج تُفقد المعنى.** تحويل ة → ه يدمج بضعة أزواج من الكلمات، وتحويل ى → ي يدمج «على» (حرف الجر) مع «علي» (الاسم). من أجل الاستدعاء في البحث، تستحق هذه المقايضة عادةً؛ لكن اختبرها على استعلاماتك.

القواعد نفسها أساسية في [قياس دقة التعرف على الكلام العربي](https://broadrouter.com/ar/blog/arabic-asr-wer-explained/)، لذا يمكنك إعادة استخدام دالة واحدة في كل أنظمتك.

## كيف تقطّع المستندات العربية؟

-   **قسّم حسب البنية.** العناوين، والمواد المرقّمة في العقود (المادة ١، المادة ٢)، وفواصل الفقرات حدود طبيعية.
-   **بضع مئات من الكلمات لكل مقطع،** مع تداخل بجملة أو جملتين. تحمل الكلمة العربية وحدات صرفية أكثر من الكلمة الإنجليزية، لذا يغطي المقطع معنى أكبر لكل كلمة مما يوحي به طوله.
-   **حدود الجمل:** لا تقسّم عند . ؟ ! والفاصلة العربية ، إلا كحل أخير. كثير من النصوص العربية تستخدم جملًا طويلة موصولة بالواو، لذا فالتقسيم على مستوى الفقرة أكثر أمانًا.
-   **احمل السياق.** ابدأ كل مقطع بعنوان المستند وعنوان القسم بالعربية، حتى يبقى المقطع الذي يقول «تُطبَّق هذه الرسوم» دالًا على أي رسوم يقصد.

تحوّل [حاسبة تقطيع RAG](https://broadrouter.com/tools/rag-chunking-calculator/) حجم المقطع والتداخل وقيمة top-k إلى عدد المقاطع والرموز لكل استعلام والتكلفة الشهرية.

## لماذا تجمع البحث بالكلمات المفتاحية مع التضمينات؟

### البحث بالكلمات المفتاحية

الصرف العربي يُفشل المطابقة الساذجة للكلمات المفتاحية: كتاب والكتاب وبالكتاب وكتابه وكتب كلها مرتبطة بـ«الكتاب». استخدم محللًا يتعامل مع العربية. يأتي Elasticsearch مع [محلل للغة العربية](https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-lang-analyzer.html) يسلسل كلمات التوقف العربية، وتطبيع الأرقام، والتطبيع العربي، ومجذّعًا عربيًا (stemmer)، فتتطابق الصيغ ذات السوابق مثل الكتاب وكتاب أكثر. تحقق مما يدمجه على مفرداتك أنت قبل أن تعتمد عليه.

### التضمينات

[نماذج التضمين](https://broadrouter.com/ar/glossary/embeddings/) تحوّل النص إلى متجهات، بحيث تتقارب المقاطع المتشابهة في المعنى حتى إن لم تشترك في أي كلمة. للعربية، اختر نموذجًا متعدد اللغات واختبره:

-   **فضّل النماذج المدرَّبة على لغات كثيرة،** مثل [BGE M3](https://arxiv.org/abs/2402.03216)، الذي يصفه مؤلفوه بأنه يدعم أكثر من 100 لغة عمل. النماذج المخصصة للإنجليزية وحدها تعطي متجهات عربية ضعيفة.
-   **اختبر الاسترجاع بين اللغتين** إذا كان المستخدمون يسألون بالإنجليزية عن مستندات عربية، أو العكس.
-   **ضمّن النص الأصلي أو المطبّع، لكن التزم بالخيار نفسه** في المستندات والاستعلامات. اختبر الاثنين؛ فالنتائج تختلف من نموذج لآخر.

لا توفّر BroadNet Inference نقطة نهاية للتضمينات: نقاط النهاية الموثّقة لديها هي إكمال المحادثة وتفريغ الصوت. استخدم مزوّد تضمينات تثق به، أو استضف نموذج تضمين مفتوحًا متعدد اللغات مع [قاعدة بيانات متجهات](https://broadrouter.com/ar/glossary/vector-database/)، واستخدم BroadNet للتوليد. وتحسب [حاسبة تكلفة التضمينات](https://broadrouter.com/tools/embedding-cost-calculator/) تكلفة الفهرسة والاستعلامات لدى مزوّدين مختلفين.

### الدمج وإعادة الترتيب

شغّل البحثين، وادمج النتائج بطريقة دمج الرتب التبادلي (reciprocal rank fusion)، أي احسب درجة كل مستند بمجموع 1 / (k + rank) عبر القوائم، واحتفظ بأفضل 10 إلى 30 مقطعًا. يمكن لنموذج إعادة ترتيب (reranker) أو فحص سريع للصلة عبر LLM أن يقلّص العدد أكثر، لكن مع النماذج طويلة السياق يمكنك غالبًا الاستغناء عن ذلك.

## كيف تولّد إجابات مع ذكر المصادر؟

أعطِ النموذج المقاطع مع معرّفاتها، واطلب منه الإجابة منها وحدها:

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def answer(question: str, passages: list[dict]) -> str:
    context = "\n\n".join(f"[{p['id']}] {p['title']}\n{p['text']}" for p in passages)
    system = ("أجب عن سؤال المستخدم بالعربية الفصحى المبسطة، اعتماداً فقط على المقاطع المرفقة. "
              "اذكر رقم المقطع بين قوسين مربعين بعد كل معلومة. "
              "إذا لم تجد الإجابة في المقاطع فقل ذلك بوضوح.")
    r = client.chat.completions.create(
        model="broadnet/deepseek-v4.1-flash",
        max_tokens=4000,
        messages=[{"role": "system", "content": system},
                  {"role": "user", "content": f"المقاطع:\n{context}\n\nالسؤال: {question}"}],
    )
    return r.choices[0].message.content
```

يطلب الأمر النظامي العربي في الشيفرة من النموذج أن يجيب بالفصحى المبسطة من المقاطع المرفقة وحدها، وأن يذكر رقم المقطع بين قوسين مربعين بعد كل معلومة، وأن يصرّح بوضوح إن لم يجد الإجابة. والتعليمات بالإنجليزية تعمل بالقدر نفسه؛ المهم هو قاعدة الإجابة من المقاطع وحدها والاستشهاد بها.

ضع المقاطع قبل السؤال. وإذا تكررت المستندات نفسها في طلبات كثيرة، فأبقها بالترتيب نفسه في بداية الأمر (prompt) حتى يُطبَّق سعر الإدخال المخزّن مؤقتًا؛ راجع [رموز الإدخال المخزّنة مؤقتًا](https://broadrouter.com/ar/blog/cached-input-tokens-explained/).

### أي نموذج تختار؟

| النموذج | السياق | السبب |
| --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) | 1,048,576 | أقل سعر للإدخال المخزّن مؤقتًا بين هذه النماذج الثلاثة على BroadNet ($0.0055 لكل مليون رمز)، ومساحة لمقاطع كثيرة، وتتوفر له خطط بسعر ثابت |
| [GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) | 1,048,576 | الأدوات والمخرجات المنظَّمة للاسترجاع عبر الوكلاء (agentic retrieval) |
| [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) | 262,144 | اختبرته BroadNet بالعربية: كتابة سلسة، وفهم للهجتين الخليجية والمصرية |

مع سياق يبلغ مليون رمز (توكن)، يمكنك الاسترجاع بسخاء، كأن تسترجع 50 مقطعًا بدل 5، وتترك النموذج يختار. يقلل ذلك الضرر حين يضع الاسترجاع المقطع الصحيح في المرتبة 12. ومع مجموعات المستندات الصغيرة، قد لا تحتاج إلى الاسترجاع أصلًا؛ راجع [السياق الطويل مقابل RAG](https://broadrouter.com/ar/blog/long-context-vs-rag/) وتحقق مما إذا كانت مستنداتك تتسع باستخدام [حاسبة نافذة السياق](https://broadrouter.com/tools/context-window-calculator/). أسعار جميع النماذج في [صفحة الأسعار](https://broadrouter.com/ar/pricing/).

## كيف تقيّم RAG بالعربية؟

1.  اكتب من 50 إلى 100 سؤال حقيقي، بالمزيج الذي يكتبه مستخدموك فعلًا من الفصحى واللهجات والإنجليزية.
2.  حدّد المقطع الذي يجيب عن كل سؤال.
3.  قِس الاسترجاع أولًا: هل المقطع الصحيح ضمن أفضل 10؟ قارن الكلمات المفتاحية وحدها، والتضمينات وحدها، والبحث الهجين، مع التطبيع وبدونه.
4.  ثم قِس الإجابات: صحيحة، ومستشهد بمصادرها، و«غير موجودة» حين تغيب الإجابة.
5.  أدرج عمدًا استعلامات فيها أخطاء إملائية ولهجات. فالمستخدمون يكتبون «وين الفاتوره» (بالخليجية أو الشامية)، لا «أين الفاتورة».

أصلح الاسترجاع قبل أن تغيّر نموذج التوليد: إذا لم يصل المقطع الصحيح إلى الأمر أبدًا، فلن يستطيع أي نموذج الاستشهاد به.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[RAG (التوليد المعزّز بالاسترجاع)](https://broadrouter.com/ar/glossary/rag/)

RAG (التوليد المعزّز بالاسترجاع) نمط يسترجع فيه التطبيق أولًا مقاطع متصلة بالسؤال من مخزن خارجي، مثل فهرس بحث أو فهرس متجهات، ثم يضيفها إلى الأمر ليجيب النموذج اللغوي من ذلك النص لا من ذاكرته وحدها.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[التضمينات (Embeddings)](https://broadrouter.com/ar/glossary/embeddings/)

التضمينات (embeddings) قوائم من الأعداد العشرية (متجهات) يُنتجها نموذج لتمثيل قطعة نص أو صورة أو أي مدخل آخر. وتحصل المدخلات المتشابهة في المعنى على متجهات متقاربة، فيمكن استخدام المسافة بين المتجهات لترتيب نتائج البحث أو تجميع المستندات أو إيجاد العناصر المرتبطة.

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[الهمزة (Hamza)](https://broadrouter.com/ar/glossary/hamza/)

الهمزة (ء) حرف عربي يمثّل الوقفة الحنجرية. تُكتب منفردة أو على كرسي: الألف (أ إ) أو الواو (ؤ) أو الياء (ئ)، أما آ فتجمع الألف والمدّة. ولأن النص المكتوب غير منتظم في رسمها، كثيرًا ما توحّد محركات البحث وأدوات تقييم الكلام أشكال الألف إلى ا.

[توحيد النص العربي (Arabic text normalization)](https://broadrouter.com/ar/glossary/arabic-text-normalization/)

توحيد النص العربي هو الخطوة التي تحوّل الصيغ الإملائية المختلفة للكلمة نفسها إلى صيغة واحدة قبل المطابقة: حذف التشكيل والتطويل، وتوحيد أشكال الألف، وغالبًا تحويل ى إلى ي وة إلى ه. ويُطبَّق على مفاتيح البحث والتقييم، لا على النص الذي تعرضه.

[البحث الهجين (Hybrid search)](https://broadrouter.com/ar/glossary/hybrid-search/)

البحث الهجين (hybrid search) طريقة استرجاع تشغّل البحث بالكلمات المفتاحية، مثل BM25، والبحث المتجهي عبر التضمينات على الاستعلام نفسه، ثم تدمج القائمتين المرتبتين في قائمة واحدة، غالبًا بدمج الرتب التبادلي (RRF) أو بمجموع موزون للدرجات بعد تطبيعها.

[التشكيل (الحركات العربية، Arabic diacritics)](https://broadrouter.com/ar/glossary/arabic-diacritics/)

التشكيل هو علامات صغيرة تُكتب فوق الحروف العربية أو تحتها لبيان الحركات القصيرة والحروف المضعّفة وغياب الحركة. وهو اختياري: تخلو منه معظم النصوص العربية، ومنها الأخبار، فيستنتج القرّاء والبرمجيات الحركات من السياق.

## أسئلة شائعة

### هل توفّر BroadNet Inference نماذج تضمين (embeddings)؟

لا. نقاط النهاية الموثّقة لديها هي إكمال المحادثة (chat completions) وتفريغ الصوت (audio transcriptions). استخدم نموذج تضمين من مزوّد آخر أو شغّل بنفسك نموذج تضمين مفتوحًا متعدد اللغات، واستخدم BroadNet لخطوة التوليد.

### هل أحوّل التاء المربوطة إلى هاء عند تطبيع النص العربي؟

في البحث، نعم عادةً، لأن المستخدمين يكتبون الشكلين. يدمج ذلك بضع كلمات مختلفة، لكن مكسب الاستدعاء (recall) يفوق ذلك في معظم المجموعات النصية. احتفظ بالنص الأصلي للعرض والاستشهاد.

### ما الحجم المناسب لمقاطع النص العربي في RAG؟

ابدأ بفقرة إلى ثلاث فقرات، أي بضع مئات من الكلمات، مع تداخل صغير. قسّم عند العناوين وفواصل الفقرات لا في منتصف الجملة، وأرفق عنوان المستند بكل مقطع.

### ما أفضل نموذج تضمين للعربية؟

استخدم نموذجًا متعدد اللغات واختبره على استعلاماتك العربية. فمثلًا يصف مؤلفو BGE M3 نموذجهم بأنه يدعم الاسترجاع في أكثر من 100 لغة عمل. نماذج التضمين المخصصة للإنجليزية وحدها تعطي متجهات عربية ضعيفة.

### هل يمكن للمستخدم البحث بالإنجليزية والعثور على مستندات عربية؟

نعم، بنموذج تضمين متعدد اللغات يضع اللغتين في فضاء واحد، أو بترجمة الاستعلام عبر LLM قبل البحث بالكلمات المفتاحية. اختبر الاستعلامات بين اللغتين صراحةً.

## تابع القراءة

-   [السياق الطويل أم RAG: متى تُغني مليون رمز عن قاعدة المتجهات؟](https://broadrouter.com/ar/blog/long-context-vs-rag/)
-   [معدل خطأ الكلمات (WER) في التعرّف على الكلام العربي: شرح مبسّط](https://broadrouter.com/ar/blog/arabic-asr-wer-explained/)
-   [هندسة الأوامر بالعربية: المستوى اللغوي والاتجاه والأرقام والنص المختلط](https://broadrouter.com/ar/blog/arabic-prompt-engineering/)
-   [اختيار LLM API للغة العربية: ما الذي تختبره؟](https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/)
-   [تشكيل النص العربي بنموذج LLM: الأمر والتحقق ومعدل DER](https://broadrouter.com/ar/blog/arabic-diacritization-llm/)
-   [التدقيق الإملائي والنحوي للنص العربي بنموذج LLM: دليل عملي](https://broadrouter.com/ar/blog/arabic-grammar-spelling-correction-llm/)
-   [دليل: استخدام LangChain مع BroadNet Inference](https://broadrouter.com/ar/guides/langchain-openai-base-url/)
-   [دليل: استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-rag-search&utm_content=page-cta) ·

**المصادر**

-   [Lewis وآخرون، Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv 2005.11401؛ تاريخ المراجعة 2026-11-14)](https://arxiv.org/abs/2005.11401)
-   [Chen وآخرون، M3-Embedding: أكثر من 100 لغة عمل (arXiv 2402.03216؛ تاريخ المراجعة 2026-11-14)](https://arxiv.org/abs/2402.03216)
-   [محللات اللغات في Elasticsearch، مرشّحات المحلل arabic (تاريخ المراجعة 2026-11-14)](https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-lang-analyzer.html)
-   [جدول Unicode للحروف العربية، من U+0600 إلى U+06FF (تاريخ المراجعة 2026-11-14)](https://www.unicode.org/charts/PDF/U0600.pdf)
-   [المرجع التقني لواجهة BroadNet Inference، نقاط النهاية المتاحة (تاريخ المراجعة 2026-11-14) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-arabic-rag-search&utm_content=sources)
