Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA

📄 arXiv: 2603.08501v1 📥 PDF

作者: Ummar Abbas, Mourad Ouzzani, Mohamed Y. Eltabakh, Omar Sinan, Gagan Bhatia, Hamdy Mubarak, Majd Hawasly, Mohammed Qusay Hashim, Kareem Darwish, Firoj Alam

分类: cs.CL

发布日期: 2026-03-09

💡 一句话要点

Fanar-Sadiq：一个面向伊斯兰问答的多智能体架构，解决幻觉和来源错误问题。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 伊斯兰问答 多智能体系统 检索增强生成 知识图谱 意图识别

📋 核心要点

  1. 现有大型语言模型在伊斯兰问答中存在幻觉和错误归因问题，无法满足用户对权威性和准确性的要求。
  2. Fanar-Sadiq采用多智能体架构，将伊斯兰问题路由到不同的专业模块，实现更精确和可靠的答案生成。
  3. 实验表明，Fanar-Sadiq在公共伊斯兰QA基准上表现出有效性和效率，并已得到广泛应用。

📝 摘要（中文）

大型语言模型（LLMs）能够流畅地回答宗教知识问题，但经常出现幻觉和错误归因，这在伊斯兰环境中尤其重要，因为用户期望答案基于权威文本（《古兰经》和《圣训》）和法理学（fiqh）的细微差别。检索增强生成（RAG）通过将生成建立在外部证据的基础上，减少了这些限制。然而，单一的“检索-然后-生成”流程无法处理伊斯兰问题的多样性。用户可能需要逐字经文、带有引文的教法指导或需要严格算术和法律不变性的规则约束计算，如天课和继承。本文提出了一个双语（阿拉伯语/英语）多智能体伊斯兰助手Fanar-Sadiq，它是Fanar AI平台的核心组件。Fanar-Sadiq将与伊斯兰相关的问题路由到智能体架构中的专用模块。该系统支持意图感知路由、具有确定性引文规范化和验证跟踪的检索式教法答案、具有引文验证的精确经文查找以及具有逊尼派天课和继承的确定性计算器，并具有madhhab敏感分支。我们在公共伊斯兰QA基准上评估了完整的端到端系统，并证明了有效性和效率。我们的系统目前可以通过API和Web应用程序公开免费访问，并且在不到一年的时间内已被访问约190万次。

🔬 方法详解

问题定义：现有的大型语言模型在回答伊斯兰相关问题时，容易产生幻觉，即生成不真实或无根据的内容，并且常常无法正确地引用权威来源（如《古兰经》和《圣训》）。传统的检索增强生成（RAG）方法虽然有所改善，但单一的“检索-然后-生成”流程难以应对伊斯兰问题的多样性，例如，需要精确经文、教法指导、或复杂的规则计算（如天课和遗产分配）。

核心思路：Fanar-Sadiq的核心思路是构建一个多智能体系统，每个智能体负责处理特定类型的伊斯兰问题。通过意图识别，将用户的问题路由到最合适的智能体，从而实现更专业、更准确的回答。这种模块化的设计允许针对不同类型的问题采用不同的处理策略，例如，对于经文查找，采用精确匹配；对于教法问题，采用检索增强生成；对于规则计算，采用确定性算法。

技术框架：Fanar-Sadiq的整体架构包括以下几个主要模块：1) 意图识别模块：负责分析用户问题的意图，确定问题的类型（例如，经文查找、教法问题、规则计算）。2) 路由模块：根据意图识别的结果，将问题路由到相应的智能体。3) 专业智能体：包括经文查找智能体、教法问答智能体、天课计算智能体、遗产分配智能体等。每个智能体都配备了相应的知识库和算法。4) 结果整合模块：负责将各个智能体的结果整合，生成最终的答案。

关键创新：Fanar-Sadiq的关键创新在于其多智能体架构和意图感知的路由机制。与传统的单一模型或单一流程相比，Fanar-Sadiq能够更好地处理伊斯兰问题的多样性，并提供更专业、更准确的答案。此外，系统还采用了确定性的引文规范化和验证跟踪机制，确保答案的可靠性和可追溯性。

关键设计：意图识别模块使用了预训练的语言模型进行微调，以提高意图识别的准确率。教法问答智能体采用了检索增强生成（RAG）方法，并针对伊斯兰教法进行了优化。天课和遗产分配智能体采用了确定性的算法，并考虑了不同的madhhab（伊斯兰教法学派）的差异。系统还设计了严格的引文规范化和验证流程，确保所有引用的经文和教法依据都是准确的。

📊 实验亮点

Fanar-Sadiq在公共伊斯兰QA基准上进行了评估，结果表明其在准确性和效率方面均优于现有方法。具体数据未在摘要中给出，但强调了其有效性和效率。该系统已通过API和Web应用程序公开免费访问，并在不到一年的时间内被访问约190万次，表明其受到了广泛的欢迎和认可。

🎯 应用场景

Fanar-Sadiq可应用于各种伊斯兰知识问答场景，例如在线伊斯兰教育、宗教咨询、智能客服等。它可以帮助用户快速准确地获取伊斯兰知识，解决宗教疑问，并促进伊斯兰文化的传播。该系统具有广泛的应用前景，有望成为伊斯兰AI领域的重要基础设施。

📄 摘要（原文）

Large language models (LLMs) can answer religious knowledge queries fluently, yet they often hallucinate and misattribute sources, which is especially consequential in Islamic settings where users expect grounding in canonical texts (Qur'an and Hadith) and jurisprudential (fiqh) nuance. Retrieval-augmented generation (RAG) reduces some of these limitations by grounding generation in external evidence. However, a single ``retrieve-then-generate'' pipeline is limited to deal with the diversity of Islamic queries.Users may request verbatim scripture, fatwa-style guidance with citations or rule-constrained computations such as zakat and inheritance that require strict arithmetic and legal invariants. In this work, we present a bilingual (Arabic/English) multi-agent Islamic assistant, called Fanar-Sadiq, which is a core component of the Fanar AI platform. Fanar-Sadiq routes Islamic-related queries to specialized modules within an agentic, tool-using architecture. The system supports intent-aware routing, retrieval-grounded fiqh answers with deterministic citation normalization and verification traces, exact verse lookup with quotation validation, and deterministic calculators for Sunni zakat and inheritance with madhhab-sensitive branching. We evaluate the complete end-to-end system on public Islamic QA benchmarks and demonstrate effectiveness and efficiency. Our system is currently publicly and freely accessible through API and a Web application, and has been accessed $\approx$1.9M times in less than a year.