يقوم النظام بدمج قاعدة بيانات مخزون منظمة مع تقنيات استرجاع المستندات ونماذج اللغة الكبيرة (LLMs) لتوفير تجربة ذكية في إدارة وتحليل بيانات المخزون.

تم تطوير النظام باستخدام LangChain لإدارة خط سير الـ RAG وربط مكونات النظام المختلفة، مع استخدام SentenceTransformers لتوليد الـ Embeddings وتحويل النصوص إلى تمثيلات رقمية دلالية، بالإضافة إلى استخدام نموذج Gemma 4B لتوليد الإجابات الذكية ومعالجة استفسارات المستخدمين.

يتيح النظام للمستخدمين طرح أسئلة طبيعية مثل:

* "ما هي المنتجات منخفضة المخزون؟"
* "اعرض الموردين المرتبطين بالمنتجات منتهية الصلاحية."
* "ما هو اتجاه المخزون خلال الشهر الماضي؟"
* "قم بتلخيص المشكلات الموجودة في تقارير المستودعات."

يقوم النظام بتحويل استفسار المستخدم إلى Embeddings، ثم البحث داخل قاعدة بيانات متجهية (Vector Database) لاسترجاع أكثر البيانات والمستندات صلة بالسؤال، وبعد ذلك يتم تمرير النتائج إلى نموذج التوليد لإنتاج إجابات دقيقة وسياقية اعتمادًا على بيانات المخزون الحقيقية والمستندات المرتبطة بها.