كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

Haystack

Haystack by deepset

إطار مفتوح المصدر لبناء خطوط RAG والبحث والوكلاء بمكونات صريحة تُربط في خطوط (Pipelines) قابلة للتسلسل.

نشطةمتوسطv3.5.0Apache-2.0معالجة اللغات الطبيعية والنماذج اللغويةالذكاء الاصطناعي التوليدي

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمHaystack
الاسم الكاملHaystack by deepset
التصنيفمعالجة اللغات الطبيعية والنماذج اللغوية
الجهة المطورةشركة deepset
سنة الإطلاقغير محدد
الموقع الرسميgithub.com/deepset-ai/haystack
مستودع GitHubdeepset-ai/haystack
الوثائق الرسميةغير محدد
الحزمة على PyPIhaystack-ai
الترخيصApache-2.0 (PyPI license_expression)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار10 نوفمبر 2026 (الإصدار 3.5.0)
لغة البرمجةPython
أنظمة التشغيلOS Independent (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.11
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

يعتمد Haystack على مكونات واضحة المدخلات والمخرجات (مسترجعات، ومضمّنات، ومولّدات، ومحوّلات مستندات) تُوصل في خط يمكن حفظه بصيغة YAML، مع مخازن مستندات متعددة.

تصميمه الصريح يسهّل الفهم والاختبار والنقل إلى الإنتاج. الحزمة الحالية هي haystack-ai (الإصدار 2 فما بعد).

متى تختارها؟ اختره لخطوط RAG واضحة قابلة للاختبار والنقل إلى الإنتاج.

الاستخدامات

الاستخدامات الرئيسية

  • خطوط RAG إنتاجية
  • بحث هجين (كلمات + متجهات)
  • وكلاء

المجالات العلمية

  • تطبيقات النماذج اللغوية
  • البحث في المستندات

أنواع المشاريع المناسبة

  • بحث في وثائق مؤسسة

تطبيقات بحثية

  • مقارنة المسترجعات في RAG

التوليد المعزز بالاسترجاع RAGالوكلاء الأذكياء وتطبيقات النماذج اللغويةالنماذج اللغوية الكبيرة

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)لا ينطبق
التوافق مع CUDAلا ينطبق
التدريب أو الحوسبة الموزعةلا ينطبق
الاشتقاق التلقائي (Autodiff)لا ينطبق
نشر النماذج (Deployment)مدعومتسلسل الخطوط وتشغيلها عبر Hayhooks.
نماذج مدربة مسبقاًلا ينطبق
أنواع البيانات المدعومةمستندات ونصوص
التكامل مع مكتبات أخرىSentence Transformers، Hugging Face Transformers، Ollama
المرونة (تقدير تحريري)عالية
الأداء (تقدير تحريري)جيدة
المجتمع (تقدير تحريري)متوسط
جودة التوثيق (تقدير تحريري)توثيق ودروس جيدة

التثبيت والتشغيل

Shell
pip install haystack-ai

التوافق: Python >=3.11 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

متوسطخط استرجاع BM25 في Haystack دون أي APIنُفّذ واختُبر

الهدف: بناء مرحلة الاسترجاع في RAG وتشغيلها محلياً.

Python — example.py
from haystack import Document, Pipeline
from haystack.components.retrievers.in_memory import InMemoryBM25Retriever
from haystack.document_stores.in_memory import InMemoryDocumentStore

store = InMemoryDocumentStore()
store.write_documents([
    Document(content="MONAI framework for medical imaging deep learning", meta={"lib": "monai"}),
    Document(content="Ultralytics YOLO for real-time object detection", meta={"lib": "ultralytics"}),
    Document(content="PennyLane for quantum machine learning and differentiable circuits", meta={"lib": "pennylane"}),
])
pipe = Pipeline()
pipe.add_component("retriever", InMemoryBM25Retriever(document_store=store, top_k=1))
for q in ["medical imaging segmentation", "quantum circuits"]:
    doc = pipe.run({"retriever": {"query": q}})["retriever"]["documents"][0]
    print(q, "->", doc.meta["lib"], round(doc.score, 3))

شرح الكود

نخزن المستندات في InMemoryDocumentStore ونستخدم مسترجع BM25 داخل Pipeline. هذا الجزء لا يحتاج نموذجاً لغوياً؛ لإكمال RAG يُضاف PromptBuilder ومولد (محلي أو عبر API) بعد المسترجع.

المتطلبات

Shell
pip install haystack-ai

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

medical imaging segmentation -> monai 2.481
quantum circuits -> pennylane 2.399

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — haystack-ai 3.5.0, python 3.13.18

صفحة المثال

كل أمثلة Haystack في مستكشف الأكواد

المزايا

  • تصميم صريح وقابل للاختبار
  • مناسب للإنتاج

القيود

  • تكاملات أقل من LangChain
  • تغير كبير بين الإصدارين 1 و2

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
3.5.010 نوفمبر 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً