Fanar-Sadiq: Een multi-agentarchitectuur voor gegronde islamitische vraag-antwoordsystemen
Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA
March 9, 2026
Auteurs: Ummar Abbas, Mourad Ouzzani, Mohamed Y. Eltabakh, Omar Sinan, Gagan Bhatia, Hamdy Mubarak, Majd Hawasly, Mohammed Qusay Hashim, Kareem Darwish, Firoj Alam
cs.AI
Samenvatting
Grote taalmodellen (LLM's) kunnen vragen over religieuze kennis vloeiend beantwoorden, maar ze hallucineren vaak en schrijven bronnen verkeerd toe. Dit is vooral problematisch in islamitische contexten, waar gebruikers een onderbouwing verwachten in canonieke teksten (Koran en Hadith) en jurisprudentiële (fiqh) nuance. Retrieval-augmented generation (RAG) vermindert enkele van deze beperkingen door de tekstgeneratie te verankeren in externe bronnen. Een enkele "retrieve-then-generate"-pijplijn is echter beperkt in het omgaan met de diversiteit van islamitische vragen. Gebruikers kunnen vragen om letterlijke schriftcitaten, fatwa-achtige begeleiding met bronverwijzingen, of regelgebonden berekeningen zoals zakat en erfenis die strikte rekenkundige en juridische invarianten vereisen. In dit werk presenteren we een tweetalige (Arabisch/Engels) multi-agent islamitische assistent, genaamd Fanar-Sadiq, een kernonderdeel van het Fanar AI-platform. Fanar-Sadiq leidt islamitische vragen door naar gespecialiseerde modules binnen een agent-gebaseerde, tool-gebruikende architectuur. Het systeem ondersteunt intent-aware routing, retrieval-onderbouwde fiqh-antwoorden met deterministische normalisatie van citaten en verificatietrajecten, exacte versopzoekingen met citatenvalidatie, en deterministische rekenmodules voor soennitische zakat en erfenis met madhhab-gevoelige vertakking. We evalueren het complete end-to-end systeem op openbare islamitische QA-testen en tonen effectiviteit en efficiëntie aan. Ons systeem is momenteel openbaar en gratis toegankelijk via een API en een webapplicatie, en werd in minder dan een jaar ongeveer 1,9 miljoen keer geraadpleegd.
English
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 approx1.9M times in less than a year.