Weaviate

Weaviate هي قاعدة بيانات متجهات مفتوحة المصدر طورتها شركة Weaviate B.V. ومقرها أمستردام، والتي أسسها رئيسها التنفيذي Bob van Luijt. صُممت منذ البداية للتعامل مع تضمينات المتجهات (vector embeddings) كعناصر أساسية في قاعدة البيانات جنبًا إلى جنب مع خصائص الكائنات المكتوبة، مما يميزها عن مكتبات المتجهات المستقلة مثل FAISS من Facebook. فبينما تُعد FAISS مكتبة بحث تُضاف إلى قاعدة البيانات، فإن Weaviate هي قاعدة البيانات بحد ذاتها: فهي تتعامل مع الاستمرارية، والنسخ المتماثل، وتعدد المستأجرين، وإدارة المخططات، والتصفية بشكل أصلي. المشروع مرخص بموجب BSD-3-Clause ومتاح على github.com/weaviate/weaviate، مع أكثر من 12,000 نجمة على GitHub اعتبارًا من أبريل 2026.

تشمل القدرات الأساسية البحث الهجين (الذي يجمع بين تشابه المتجهات وبحث الكلمات الرئيسية BM25 في تمريرة استعلام واحدة)، ووحدات تحويل المتجهات المدمجة لـ OpenAI و Cohere و Hugging Face (بحيث يمكنك استيعاب النص الخام وترك Weaviate يستدعي واجهة برمجة تطبيقات التضمين)، وواجهة gRPC للاستعلامات عالية الإنتاجية، وتعدد المستأجرين مع إدارة الفهارس لكل مستأجر. في مارس 2025، أطلقت Weaviate ثلاثة وكلاء لقاعدة البيانات: Query Agent (لاستعلامات اللغة الطبيعية على بياناتك)، و Transformation Agent (لإثراء البيانات المجمعة وتنظيفها)، و Personalization Agent (لإعادة ترتيب التوصيات بناءً على النماذج اللغوية الكبيرة LLM). تشمل خيارات النشر Docker، و Kubernetes عبر Helm، و Weaviate Cloud Services على AWS و GCP و Azure.

ما الذي تفعله Weaviate فعليًا في أبريل 2026

يُعد Weaviate 1.32، الصادر في مارس 2026، إصدار الإنتاج المستقر. تحتوي كل مجموعة في Weaviate على خصائص مكتوبة (نصوص، أرقام، تواريخ، مراجع لكائنات أخرى) بالإضافة إلى تمثيل متجه واحد أو أكثر. هذا الهيكل المزدوج يعني أن استعلام Weaviate واحد يمكنه استرداد الكائنات التي تتطابق مع كل من القصد الدلالي (عبر بحث الجار الأقرب التقريبي HNSW) والمعايير المهيكلة الدقيقة (عبر عوامل تصفية البيانات الوصفية المضمنة) دون الحاجة إلى تمريرة ثانية في قاعدة البيانات.

البحث الهجين هو الميزة الأبرز في Weaviate. يُشغّل النظام بحثًا كثيفًا للمتجهات وبحثًا متناثرًا للكلمات الرئيسية BM25 بالتوازي، ثم يدمج قائمتي النتائج باستخدام Reciprocal Rank Fusion (RRF) أو Relative Score Fusion. تتيح المعلمة alpha من 0 (كلمة رئيسية خالصة) إلى 1 (متجه خالص) للمطورين ضبط التوازن. في أكتوبر 2025، أصدرت Weaviate ميزة Hybrid Search 2.0 مع الإصدار 1.25: وهي إعادة كتابة كاملة وحدت فهارس HNSW و BM25 المنفصلة سابقًا في هيكل واحد. أظهرت المعايير على مجموعة بيانات BEIR انخفاض زمن انتقال الاستعلام p50 من 85ms إلى 34ms (تحسن بنسبة 60%)، وزمن انتقال p95 من 240ms إلى 78ms، وزيادة الإنتاجية من 1,200 إلى 3,500 استعلام في الثانية، وارتفاع NDCG على MS MARCO من 41.3 إلى 45.7. يستخدم الفهرس الموحد ذاكرة وصول عشوائي (RAM) أكثر بنسبة 15% ولكنه يلغي عبء الدمج ويقلل من استخدام مساحة القرص.

تُعد وحدات تحويل المتجهات في Weaviate وسيلة راحة عملية. على سبيل المثال، تعترض وحدة text2vec-openai عمليات الإدراج، وتستدعي واجهة برمجة تطبيقات OpenAI Embeddings، وتخزن المتجه المُرجع، وتفهرسه تلقائيًا. يمكن للفرق التي ترغب في حساب التضمينات مسبقًا تخطي الوحدات تمامًا ودفع المتجهات المجردة. يتيح لك وضع Weaviate المدمج تشغيل مثيل Weaviate كامل داخل العملية أثناء التطوير دون الحاجة إلى إعداد Docker.

"إنه رائع لـ RAG و LLM وما إلى ذلك، ويحتوي على ميزات مدمجة لهذا المجال مثل البحث الهجين وتعدد المستأجرين." - مراجع مجهول، Gartner Peer Insights، سبتمبر 2025

موقع Weaviate مقارنة بـ Pinecone و Qdrant

هذه الخدمات الثلاث هي الخيارات الأكثر مقارنة للبحث عن المتجهات في بيئات الإنتاج، وتختلف ميكانيكيًا بطرق تهم قرارات النشر الحقيقية.

Pinecone مُدارة بالكامل ومغلقة المصدر. لا يوجد خيار استضافة ذاتية في أي فئة سعرية؛ بياناتك تعيش في البنية التحتية لـ Pinecone أو لا تعيش على الإطلاق. تستخدم Pinecone بنية قائمة على الكبسولات (pods) مملوكة لها (s1، p1، p2) ونموذج فهرس أحدث بدون خادم (serverless). لا تكشف عن معلمات HNSW، أو إعدادات التكميم (quantization)، أو التفاصيل الداخلية للفهرس. أضافت Pinecone دعمًا هجينًا متناثرًا-كثيفًا في عام 2023، لكن التنفيذ يستخدم فهارس متناثرة وكثيفة منفصلة مع دمج مرجح، وليس الفهرس الموحد الذي قدمته Weaviate في الإصدار 1.25. بالنسبة للفرق التي تريد صفر أعباء تشغيلية وتشعر بالراحة مع التقييد الكامل بالمورد (vendor lock-in)، فإن Pinecone هي المسار الأبسط. أما بالنسبة للفرق التي تحتاج إلى سيادة البيانات، أو التحكم في التكاليف على نطاق واسع، أو القدرة على ضبط معلمات الفهرس، فهي ليست خيارًا قابلاً للتطبيق. تبدأ خطط Pinecone المدفوعة بحوالي $70/month لأعباء العمل البسيطة.

Qdrant مفتوحة المصدر ومكتوبة بلغة Rust. يُعد تنفيذ Rust هو الاختلاف المعماري الحاسم: تحقق Qdrant باستمرار إنتاجية استعلام أعلى بمقدار 2-5 أضعاف من Weaviate على أجهزة مكافئة في المعايير المنشورة (2025: Qdrant 12,000 QPS مقابل Weaviate 4,000 QPS؛ زمن انتقال Qdrant p99 2ms مقابل Weaviate 10ms). تدعم Qdrant أيضًا فهرسة HNSW على القرص، مما يسمح لمجموعات البيانات التي تتجاوز سعة ذاكرة الوصول العشوائي (RAM) بالبقاء قابلة للاستعلام، وهو ما لا يفعله تنفيذ HNSW في Weaviate بشكل أصلي. حيث تقصر Qdrant مقابل Weaviate: لا توجد وحدات تحويل متجهات مدمجة (يجب عليك حساب جميع التضمينات مسبقًا ودفعها بنفسك)، ولا يوجد مخطط خصائص كائنات مع مراجع تبادلية، ونظام بيئي أصغر من عمليات التكامل والوكلاء. تستخدم واجهة برمجة تطبيقات الاستعلام الشاملة (Universal Query API) في Qdrant بنية الجلب المسبق وإعادة الترتيب (prefetch-and-rerank) للاسترداد متعدد المراحل، والذي يختلف عن نموذج الدمج المرجح بألفا المتوازي في Weaviate. تبدأ الخطط السحابية بحوالي $25/month.

التقسيم العملي: تُعد Weaviate الخيار الأفضل عندما يحتاج تطبيقك إلى نمذجة الكائنات (المراجع التبادلية بين السجلات)، أو استدعاءات واجهة برمجة تطبيقات التضمين المدمجة، أو راحة عوامل التصفية المهيكلة المقترنة بإحكام مع بحث المتجهات. تتفوق Qdrant في الإنتاجية الخام وكفاءة الذاكرة لأعباء عمل ANN الخالصة مع التضمينات المحسوبة مسبقًا.

"كما أنها تجعل بناء مسارات RAG أبسط نظرًا لوجود منطق تخزين المتجهات والتصفية بالفعل، لذلك أقوم فقط بتوصيل LLM الخاص بي بها. في الأساس، يقلل ذلك من عناء الإعداد ويتيح لي التركيز على التطبيق الفعلي بدلاً من صداع البنية التحتية." - مراجع مجهول، G2، 2024

كيف يبدو واقع التطوير والنشر اليومي

البدء مع Weaviate مباشر عبر Docker Compose: ملف docker-compose.yml واحد يسحب صورة Weaviate، ويكشف المنفذ 8080، ويتضمن اختياريًا حاوية وحدة تحويل المتجهات (مثل text2vec-transformers لحساب التضمين المحلي). تُعد حزم SDK لـ Python و TypeScript (الإصدار v4 اعتبارًا من 2024) هي الواجهات الأساسية؛ كما تتوفر GraphQL و gRPC.

في بيئة الإنتاج، تختلف القصة بناءً على النطاق. بالنسبة لتطبيقات SaaS متعددة المستأجرين، يُعد تعدد المستأجرين الأصلي في Weaviate مفيدًا حقًا: تعيش بيانات كل مستأجر في جزء (shard) معزول، ويبدأ الفهرس الديناميكي (Dynamic Index) جميع المستأجرين على فهرس مسطح موفر للذاكرة ويقوم بالترقية التلقائية إلى HNSW بمجرد تجاوز بيانات المستأجر للحد المعين. هذا يجعل استخدام الموارد متناسبًا مع الاستخدام الفعلي بدلاً من أسوأ الحالات.

تتطلب الترقيات التي تغير بنية الفهرس وقت توقف لإعادة بناء الفهارس. كان الترحيل إلى Hybrid Search 2.0 في الإصدار 1.25 مثالاً بارزًا: كان على مستخدمي الاستضافة الذاتية إعادة بناء جميع الفهارس المتأثرة، بينما تلقى مستخدمو Weaviate Cloud الترقية تلقائيًا. هذا اعتبار تشغيلي حقيقي للفرق التي تقوم بتشغيل Weaviate ذاتي الاستضافة في بيئات حساسة لزمن الانتقال.

يضيف الوكلاء الثلاثة الذين تم إطلاقهم في مارس 2025 واجهة ذات مستوى أعلى. يقبل Query Agent تعليمات اللغة الطبيعية، ويصيغ استعلامات Weaviate الأساسية داخليًا، ويربط مجموعات النتائج، ويعيد مخرجات مهيكلة، مما يقلل الحاجة إلى كتابة كود GraphQL أو SDK صريح لمهام الاسترداد الاستكشافية. يتعامل Transformation Agent مع وظائف إثراء البيانات المجمعة (إنشاء البيانات الوصفية، الترجمة، التصنيف) عبر تعليمات اللغة الطبيعية مقابل البيانات الموجودة بالفعل في Weaviate.

لمن تم بناء Weaviate

تُعد Weaviate خيارًا قويًا للفرق التي تبني تطبيقات حيث تهم جودة الاسترداد أكثر من تعظيم الإنتاجية الخام. المستخدم النموذجي هو مطور Python أو TypeScript يبني نظام RAG، أو ميزة بحث دلالي، أو سير عمل وكيل ذكاء اصطناعي ويريد تخزين المتجهات، وعوامل التصفية المهيكلة، والبحث الهجين (الكلمات الرئيسية بالإضافة إلى الدلالي) ليتم التعامل معها بواسطة خدمة واحدة بدلاً من ثلاث.

تستفيد فرق SaaS متعددة المستأجرين من نموذج العزل لكل مستأجر في Weaviate، والذي يتوافق بشكل طبيعي مع بنية مستأجر-لكل-جزء (tenant-per-shard) دون منطق تجزئة مخصص. تستفيد فرق المؤسسات ذات متطلبات سيادة البيانات من النشر ذاتي الاستضافة المرخص بموجب BSD-3، والذي لا يضع أي قيود على الاستخدام التجاري. يمكن للفرق التي لديها بنية تحتية حالية للتضمين (حساب المتجهات مسبقًا دون اتصال) دفع المتجهات المجردة؛ ويمكن للفرق التي لا تمتلكها استخدام وحدات تحويل المتجهات المدمجة لتفويض استدعاءات واجهة برمجة تطبيقات التضمين إلى Weaviate.

تزامنت جولة التمويل Series B في أبريل 2023 ($50 million، بقيادة Index Ventures مع Battery Ventures و NEA و Cortical Ventures و Zetta Venture Partners و ING Ventures) مع تجاوز Weaviate لـ 2 مليون تنزيل مفتوح المصدر وإطلاق دعم البحث التوليدي، مما يشير إلى كل من التحقق من صحة السوق ومدرج للتطوير المستدام.

ما لا تمثله Weaviate

ليست Weaviate الأداة المناسبة عندما تكون إنتاجية الاستعلام الخام على نطاق واسع جدًا هي القيد الأساسي. عند 10M+ متجه مع حمل متزامن، يحقق تنفيذ Rust في Qdrant إنتاجية QPS أعلى بمقدار 2-5 أضعاف على أجهزة مكافئة. إذا كنت بحاجة إلى 50M+ متجه وزمن انتقال p99 أقل من مللي ثانية عبر آلاف الاستعلامات المتزامنة، فإن Milvus أو Qdrant هما خيارات البنية التحتية الأكثر منطقية.

كما أن Weaviate ليست خدمة مُدارة خالية من الإعدادات (zero-configuration). تتطلب عمليات النشر ذاتية الاستضافة خبرة تشغيلية في Docker أو Kubernetes. تقوم فهارس HNSW بتحميل بنية الرسم البياني الكاملة في ذاكرة الوصول العشوائي (RAM)، وقد أبلغ المستخدمون الذين لديهم مجموعات كبيرة (18M+ كائن) عن ارتفاعات غير متوقعة في زمن الانتقال، خاصة تحت حمل الكتابة والقراءة المتزامن. وثق أحد مواضيع منتدى المجتمع أخطاء ضغط الذاكرة في عمليات نشر المثيل الفردي تحت دورات الكتابة/الحذف المستمرة، حيث واجه المستخدمون أخطاء "cannot load shard" بعد استنفاد ذاكرة الوصول العشوائي.

إنها ليست قاعدة بيانات تشغيلية للأغراض العامة. لا ينبغي لك استخدام Weaviate كبديل لـ PostgreSQL أو MongoDB لأعباء عمل المعاملات. فهي لا تدعم المعاملات، ولديها قدرات تجميع محدودة مقارنة بـ SQL، وتتطلب تشغيل مخزن بيانات إضافي إذا كان تطبيقك يحتوي أيضًا على احتياجات بيانات علائقية مهيكلة. يخلق نموذج التسعير السحابي، مع قفزة من $45/month (Flex) إلى $400/month (Premium)، طبقة وسطى محرجة للفرق ذات أعباء العمل الكبيرة جدًا بالنسبة لـ Flex ولكنها لا تبرر بعد الالتزام بـ Premium.