সিদ্ধান্ত পুনরুদ্ধার কি?
সিদ্ধান্ত পুনরুদ্ধার হল একটি এআই এজেন্ট কিভাবে আগে অনুরূপ পরিস্থিতিতে কীভাবে পরিচালিত হয়েছিল তা খুঁজে বের করে - এবং শুধুমাত্র একটি স্নিপেট নয়, যুক্তি ফেরত পায়। এটি GraphRAG সিদ্ধান্ত এর জন্য: একটি নিয়মতান্ত্রিক যুক্তি গ্রাফ এর উপর পুনরুদ্ধার যেখানে প্রতিটি সিদ্ধান্ত এটি যে যুক্তি, প্রমাণ এবং পূর্বসূরিগুলি দ্বারা গঠিত হয়েছিল তার সাথে সংযুক্ত থাকে। একটি ম্যাচিং লগ লাইনের একটি ঢের পরিবর্তে, আপনি একটি সীমাবদ্ধ, নিরীক্ষণযোগ্য সিদ্ধান্ত পাবেন যার যুক্তি অক্ষত আছে।
সিদ্ধান্ত পুনরুদ্ধার = পুনরুদ্ধার করা অতীতের সিদ্ধান্তগুলি সম্পূর্ণ ইউনিট হিসাবে, পাঠ্য চাঙ্ক হিসাবে নয়। সাবস্ট্রেট হল একটি গ্রাফ: সিদ্ধান্তগুলি টাইপযুক্ত প্রান্ত দ্বারা সমর্থনকারী/বিরোধী যুক্তি, প্রমাণ এবং পূর্বসূরিগুলির সাথে সংযুক্ত থাকে। পুনরুদ্ধার হল হাইব্রিড — ভেক্টর সার্চ প্রাসঙ্গিক সিদ্ধান্তগুলি খুঁজে পায়, তারপর গ্রাফ সম্প্রসারণ সম্পূর্ণ প্রসঙ্গ আনে — এবং আউটপুট হল একটি সিদ্ধান্ত প্যাকেট। এটি লগগুলির উপর ভেক্টর-শুধুমাত্র RAG কে ছাড়িয়ে যায়, যা বিরোধী যুক্তি, অনুমোদনকারী এবং পূর্বসূরি বাদ দিয়ে বিচ্ছিন্ন অংশগুলি ফেরত দেয়।
সিদ্ধান্ত পুনরুদ্ধার বনাম ভেক্টর RAG ওভার লগ
একটি এজেন্টকে মেমরি দেওয়ার ডিফল্ট উপায় হল ভেক্টর RAG: সবকিছু এম্বেড করা, শীর্ষ ম্যাচিং চাঙ্কগুলি পুনরুদ্ধার করা এবং সেগুলিকে প্রম্পটে পেস্ট করা। ডকুমেন্টের জন্য এটি কাজ করে। সিদ্ধান্তের জন্য সিদ্ধান্ত এটি কাঠামোগতভাবে ব্যর্থ হয়, কারণ একটি সিদ্ধান্ত একটি অনুচ্ছেদ নয় - এটি সম্পর্কের একটি ছোট ওয়েব: একটি প্রস্তাব, এর জন্য এবং বিরুদ্ধে যুক্তি, প্রতিটি কোন প্রমাণের উপর নির্ভর করে, কে যেকোনো ব্যতিক্রম অনুমোদন করেছে, এবং কোন পূর্ববর্তী কেসটি অনুসরণ করেছে।
সেই জিনিসটিকে পাঠ্যে ফ্ল্যাটেন করুন এবং এটি এম্বেড করুন, এবং পুনরুদ্ধার ফ্র্যাগমেন্টগুলি প্রদান করে যেখানে সম্পর্কগুলি ছিন্ন হয়ে গেছে - বিপরীত যুক্তি ছাড়া উপসংহার, যুক্তি ছাড়া অনুমোদন, একটি পূর্ববর্তী উল্লেখ ছাড়া পূর্ববর্তী নিজেই। অনুশীলনকারীরা এটিকে "চাঙ্ক স্যুপ" বলে। সিদ্ধান্ত পুনরুদ্ধার এটি এড়িয়ে যায় কারণ এটি সিদ্ধান্তটিকে একটি কাঠামোগত ইউনিট হিসাবে পুনরুদ্ধার করে, কারণ সম্পর্কগুলি প্রথম-শ্রেণীর প্রান্ত হিসাবে সংরক্ষণ করা হয়, গদ্যে অস্পষ্ট নয়।
গ্রাফ: নর্মেটিভ প্রান্ত, বর্ণনামূলক নয়
জেনেরিক নলেজ গ্রাফ বর্ণনামূলক প্রান্ত সঞ্চয় করে - "উল্লেখ", "সম্পর্কিত" - যা বলে যে দুটি জিনিস সংযুক্ত কিন্তু কেন এটি গুরুত্বপূর্ণ ছিল তা নয়। একটি সিদ্ধান্ত গ্রাফ নর্মেটিভ প্রান্ত সঞ্চয় করে: সমর্থন, বিরোধিতা, অস্বীকার, যোগ্যতা। কারণ প্রান্তের ধরন হল যুক্তি, গ্রাফটি ইতিমধ্যেই এনকোড করে যা একটি সিদ্ধান্তে লোড-বেয়ারিং ছিল।
এটি কেন একটি সিদ্ধান্ত গ্রাফ একটি অস্বাভাবিকভাবে ভাল GraphRAG সাবস্ট্রেট যেখানে সাধারণ এন্টারপ্রাইজ গ্রাফগুলি সংগ্রাম করে। জেনেরিক গ্রাফগুলি বিশাল, তাদের প্রান্তগুলি কম-সংকেত, একটি প্রাকৃতিক রুট নোড নেই, এবং ট্রাভার্সালের কোনো স্পষ্ট থামার বিন্দু নেই। একটি সিদ্ধান্ত গ্রাফের বিপরীত বৈশিষ্ট্য রয়েছে: প্রতিটি সিদ্ধান্ত একটি প্রাকৃতিক রুট, প্রান্তগুলি প্রকৃত যুক্তি বহন করে, এবং একটি একক সিদ্ধান্তের সাবগ্রাফ ছোট এবং প্রাকৃতিকভাবে সীমাবদ্ধ - এর যুক্তি, প্রমাণ এবং উদ্ধৃত পূর্ববর্তীগুলি প্রসারিত করুন, তারপর থামুন।
হাইব্রিড ভেক্টর-প্লাস-গ্রাফ পুনরুদ্ধার কীভাবে কাজ করে
ভেক্টর এবং গ্রাফ এখানে প্রতিদ্বন্দ্বী নয় - সিদ্ধান্ত পুনরুদ্ধার ভেক্টর এন্ট্রি পয়েন্ট খুঁজে পেতে এবং গ্রাফ কাঠামো সম্পূর্ণ প্রেক্ষাপট ফেচ করতে ব্যবহার করে। অনুশীলনে এটি একটি পাইপলাইন: (1) সিদ্ধান্ত এবং যুক্তি এম্বেডিংগুলির উপর ভেক্টর সার্চ কয়েকটি প্রাসঙ্গিক পূর্ববর্তী সিদ্ধান্ত খুঁজে পায়; (2) কাঠামোগত ফিল্টার বিভাগ, এন্টিটি ধরন এবং পূর্ববর্তী পরিপক্কতা দ্বারা সংকীর্ণ করুন যাতে আপনি ভ্যালিডেটেড কেস পুনরুদ্ধার করুন, খসড়া নয়; (3) গ্রাফ এক্সপানশন প্রতিটি সিদ্ধান্তের যুক্তি এবং প্রমাণ টানতে নর্মেটিভ প্রান্ত হাঁটে; (4) ফলাফল-ওজনযুক্ত র্যাঙ্কিং পূর্ববর্তীগুলিকে ভেসে দেয় যার ফলাফলগুলি ভাল হয়েছে তাদের উপরে যেগুলি সুপারফিসিয়ালি অনুরূপ ছিল কিন্তু হয়নি; (5) ফলাফলগুলি সিদ্ধান্ত প্যাকেট এ প্যাকেজ করা হয়।
গভীরতা, নোড গণনা এবং সময়ের উপর কঠোর সীমাবদ্ধতা প্রসারণকে দূরে চলে যেতে বাধা দেয়। আউটপুট কখনই টোকেনের একটি দেয়াল নয় - এটি ছোট, তুলনামূলক সিদ্ধান্তের একটি সেট।
এজেন্টদের জন্য পুনরুদ্ধার: MCP এবং A2A
মেমরি শুধুমাত্র তখনই কার্যকর যদি একটি এজেন্ট যুক্তি দেওয়ার সময় এটিতে পৌঁছাতে পারে। সিদ্ধান্ত পুনরুদ্ধার এজেন্টদের দুটি উপায়ে প্রকাশ করা হয়। মডেল কনটেক্সট প্রোটোকল (MCP) এর উপরে, যেমন search_precedents এবং get_packet এর মতো টুলগুলি একটি এজেন্টকে প্রাসঙ্গিক পূর্ববর্তী সিদ্ধান্তগুলির জন্য অনুসন্ধান করতে এবং মধ্য-যুক্তির মধ্যে সিদ্ধান্ত প্যাকেট পেতে দেয় - এবং MCP এর উপর লেখার পথটিও কাজ করে: একটি এজেন্ট একটি ট্রেস তৈরি করতে পারে, তার যুক্তি রেকর্ড করতে পারে, সিদ্ধান্ত সীল করতে পারে এবং তারপর ফলাফলের সিদ্ধান্ত প্যাকেটটি পুনরুদ্ধার করতে পারে, শেষ থেকে শেষ, কোনো এসডিকে ছাড়াই। এজেন্ট-থেকে-এজেন্ট (A2A) ডিলেগেশনে, সিদ্ধান্ত প্যাকেটটি এজেন্টদের মধ্যে পাস করা পেলোড - একটি গ্রহণকারী এজেন্ট একটি সিদ্ধান্তের সম্পূর্ণ, স্ব-নিহিত প্রেক্ষাপট উত্তরাধিকারসূত্রে পায় পাঠানো এজেন্টের ডাটাবেসে কোনো অ্যাক্সেস ছাড়াই। প্যাকেটটি ডিজাইন দ্বারা পোর্টেবল, যা এটিকে একটি বিশ্বাসের সীমানা জুড়ে হাত দেওয়ার জন্য নিরাপদ করে তোলে।
কিভাবে AI এজেন্ট্রি সিদ্ধান্ত পুনরুদ্ধার সরবরাহ করে
AI এজেন্ট্রি সিদ্ধান্তগুলিকে একটি নিয়মতান্ত্রিক গ্রাফ হিসাবে সংরক্ষণ করে এবং সীমাবদ্ধ প্যাকেট হিসাবে পুনরুদ্ধার করে। পুনরুদ্ধারের সাবস্ট্রেটটি শিপ করা হয়েছে এবং ব্যবহার করা হচ্ছে:
হাইব্রিড পূর্ববর্তী অনুসন্ধান
একটি পাঁচ-ধাপের পাইপলাইন — ভেক্টর অনুসন্ধান, কাঠামোগত ফিল্টার, গ্রাফ-প্রসঙ্গ সম্প্রসারণ, ফলাফল-ওজনযুক্ত র্যাঙ্কিং, প্যাকেজিং — অতীতের সিদ্ধান্তগুলি তাদের যুক্তি সহকারে পুনরুদ্ধার করে, চাঙ্ক স্যুপ হিসাবে নয়।
সিদ্ধান্ত প্যাকেট
পুনরুদ্ধার একটি সীমাবদ্ধ, স্ব-নিহিত রেকর্ড একটি সিদ্ধান্তের — প্রস্তাব, প্রো/কন যুক্তি, প্রমাণ, নীতি, অনুমোদন, ফলাফল এবং উদ্ধৃত পূর্ববর্তী।
পূর্ববর্তী উদ্ধৃতি
একটি পুনরুদ্ধার পূর্ববর্তী একটি নতুন সিদ্ধান্তে একটি প্রথম-শ্রেণীর যুক্তি হিসাবে উদ্ধৃত করা যেতে পারে, তাই সামঞ্জস্য যৌগিক হয় স্মৃতির উপর নির্ভর না করে।
এজেন্ট-স্থানীয় অ্যাক্সেস (MCP + A2A)
এজেন্টরা MCP টুলস — পূর্ণ তৈরি, সীল, এবং প্যাকেট পাওয়ার সম্পূর্ণ জীবনচক্র — কোন এসডিকে ছাড়াই সিদ্ধান্ত রেকর্ড এবং পুনরুদ্ধার করে, এবং সিদ্ধান্ত প্যাকেট এজেন্ট-থেকে-এজেন্ট ডেলিগেশনে পেলোড হিসাবে ভ্রমণ করে।
দেখুন সাবস্ট্রেট যা এটি সিদ্ধান্ত ট্রেসিং এ পুনরুদ্ধার করে, অথবা GraphRAG এআই সিদ্ধান্ত এ গভীর প্রযুক্তিগত আলোচনা।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
সিদ্ধান্ত পুনরুদ্ধার কী?
সিদ্ধান্ত পুনরুদ্ধার হল অতীতের এআই সিদ্ধান্তগুলিকে সম্পূর্ণ, কাঠামোগত ইউনিট হিসাবে পুনরুদ্ধার করা, বিচ্ছিন্ন পাঠ্য অংশ নয়। এটি একটি গ্রাফআরএজির একটি রূপ: সাবস্ট্রেটটি একটি নর্মেটিভ আর্গুমেন্ট গ্রাফ যা প্রতিটি সিদ্ধান্তকে সেই যুক্তি, প্রমাণ এবং পূর্বসূরিদের সাথে সংযুক্ত করে যা এটিকে আকার দিয়েছে এবং আউটপুটটি একটি সীমাবদ্ধ সিদ্ধান্ত প্যাকেট — যুক্তি, শুধুমাত্র একটি স্নিপেট নয়।
সিদ্ধান্ত পুনরুদ্ধার ভেক্টর আরএজি থেকে কীভাবে আলাদা?
ভেক্টর আরএজি পাঠ্যকে এমবেড করে এবং শীর্ষ মিলে যাওয়া চাঙ্কগুলি প্রদান করে — বিচ্ছিন্ন অংশগুলি যা একটি সিদ্ধান্তের উপসংহারকে উদ্ধৃত করতে পারে কিন্তু বিপরীত যুক্তি, অনুমোদনকারী এবং পূর্বসূরিকে মিস করে যার উপর এটি নির্ভর করে। সিদ্ধান্ত পুনরুদ্ধার সিদ্ধান্তটি তার যুক্তি সহ ফিরিয়ে দেয়, কারণ সম্পর্কগুলি প্রসেতে অস্পষ্ট না রেখে প্রথম-শ্রেণীর টাইপযুক্ত প্রান্ত হিসাবে সংরক্ষণ করা হয়। ভেক্টর সার্চ সিদ্ধান্ত পুনরুদ্ধারের একটি উপাদান, এর প্রতিদ্বন্দ্বী নয়।
গ্রাফআরএজি কী?
গ্রাফআরএজি (গ্রাফ-এনহ্যান্সড রিট্রিভাল-অগমেন্টেড জেনারেশন) শুধুমাত্র পাঠ্য অংশগুলিকে সাদৃশ্য অনুসারে র্যাঙ্ক করার পরিবর্তে একটি জ্ঞান গ্রাফ অতিক্রম করে প্রসঙ্গ পুনরুদ্ধার করে। সিদ্ধান্তগুলিতে প্রয়োগ করা হলে, গ্রাফটি একটি নর্মেটিভ আর্গুমেন্ট গ্রাফ, এবং পুনরুদ্ধারটি হাইব্রিড: ভেক্টর সার্চ প্রাসঙ্গিক সিদ্ধান্তগুলি খুঁজে পায়, তারপর গ্রাফ সম্প্রসারণ সম্পূর্ণ, সীমাবদ্ধ প্রসঙ্গ আনয়ন করে।
একটি সিদ্ধান্ত প্যাকেট কী?
একটি সিদ্ধান্ত প্যাকেট হল সিদ্ধান্ত পুনরুদ্ধারের সীমাবদ্ধ আউটপুট: একটি সিদ্ধান্ত সম্বলিত একটি স্ব-নিহিত রেকর্ড যাতে প্রস্তাব, প্রো/কন যুক্তি গাছ, প্রমাণ এবং এর প্রমাণিত তথ্য, মূল্যায়নকৃত নীতিগুলি, অনুমোদন, সীলযুক্ত ফলাফল এবং যেকোনো পূর্বসূরি উদ্ধৃত রয়েছে। এটি একজন এজেন্ট বা অডিটর যা একটি লগ লাইনের ঢের পরিবর্তে পুনরুদ্ধার করে।
একটি সিদ্ধান্ত প্যাকেট চেইন-অফ-থট আউটপুট সংরক্ষণ করার চেয়ে ভালো?
তারা ভিন্ন সমস্যা সমাধান করে — প্যাকেটটি আরও ভাল রেকর্ড-কিপিং, আরও ভাল যুক্তি নয়। সংরক্ষিত চেইন-অফ-থট হল গদ্য: এটি প্রশ্ন করার অর্থ হল প্রতিটি ট্রেসকে পুনরায় পার্স করা একটি এলএলএম সহ পড়ার সময়, এটির কোনো ফলাফল ক্ষেত্র নেই যার উপর যোগ করা যায়, এবং একটি সম্পাদনাযোগ্য পাঠ্য ব্লব কোনো প্রকার প্রত্যয়ন বিন্দু অফার করে না যা একজন পর্যালোচক বিশ্বাস করতে পারে। একটি সিদ্ধান্ত প্যাকেট একই যুক্তি সংগঠিত করে, একবার, সীলমোহর: স্ট্যান্স-টাইপযুক্ত প্রো/কন যুক্তি নির্ণয়মূলক গ্রাফ ক্যোয়ারিগুলিতে পরিণত হয়, সিদ্ধান্তগুলি রেকর্ড করা ফলাফলের সাথে লিঙ্ক করে যাতে পুনরুদ্ধার ফলাফল-ওজনযুক্ত হয়, পূর্বসূরিগুলি নতুন সিদ্ধান্তগুলিতে উদ্ধৃত যুক্তি নোডগুলিতে পরিণত হয়, এবং হ্যাশ-চেইনযুক্ত, সীলযুক্ত, সাইনযোগ্য রেকর্ডটি প্রমাণ হিসাবে কাজ করে — এজেন্ট-থেকে-এজেন্ট ডিলেগেশনে বিশ্বাসের সীমানা জুড়ে। কোনো ফর্ম্যাট মডেলের যুক্তি আরও বিশ্বস্ত করে না; প্যাকেটটি বলা যুক্তি টেকসই, তুলনামূলক এবং রক্ষণীয় করে তোলে। যদি আপনাকে শুধুমাত্র পরে একটি এজেন্টকে ডিবাগ করতে হয়, সংরক্ষিত চেইন-অফ-থট যথেষ্ট — প্যাকেটগুলি তাদের কাঠামো অর্জন করে যখন সিদ্ধান্তগুলি তুলনা, পুনঃব্যবহার বা রক্ষা করা প্রয়োজন।
সিদ্ধান্ত পুনরুদ্ধার আমার ভেক্টর ডাটাবেস বা ডকুমেন্ট আরএজিকে প্রতিস্থাপন করে?
না. ভেক্টর সার্চ পুনরুদ্ধার পাইপলাইনের প্রথম ধাপ, এবং ডকুমেন্ট আরএজি একটি পৃথক কাজ। সিদ্ধান্ত পুনরুদ্ধার আপনার বিদ্যমান স্ট্যাকের উপরে বসে এবং সেই সিস্টেমগুলি যা সংরক্ষণ করেনি তা ধরে রাখে: নিজেই কাঠামোগত সিদ্ধান্ত, তার যুক্তি সহ পুনরুদ্ধার করা যায়।
এআই এজেন্ট্রি সিদ্ধান্ত পুনরুদ্ধার কীভাবে বাস্তবায়ন করে?
একটি শিপড পাঁচ-ধাপের পূর্বসূরি-সার্চ পাইপলাইনের (ভেক্টর সার্চ, কাঠামোগত ফিল্টার, গ্রাফ-প্রসঙ্গ সম্প্রসারণ, ফলাফল-ওজনযুক্ত র্যাঙ্কিং, প্যাকেজিং), সিদ্ধান্ত প্যাকেট অ্যাসেম্বলি, পূর্বসূরি উদ্ধৃতি এবং এজেন্টদের জন্য এমসিপি এবং এ২এ-এর উপর পুনরুদ্ধার করা। স্বয়ংক্রিয় ফলাফল ফিডব্যাক এবং ক্রস-সিদ্ধান্ত প্যাটার্ন সংশ্লেষণ — পুনরুদ্ধারের উপরে সম্পূর্ণ আত্ম-উন্নত স্তর — রোডম্যাপে রয়েছে।
Related AI governance topics
AI Governance
The umbrella discipline: how organizations keep AI agents accountable, observable, and compliant — start here.
AI Observability
Seeing what your AI systems do in production — metrics, traces, and logs.
LLM Observability
Monitoring prompts, tokens, latency, and quality of large language model calls.
AI Traceability
Reconstructing the full lineage of an AI output — inputs, steps, and decisions.
LLM Traceability
End-to-end traces of multi-step LLM and prompt chains.
AI Agent Observability
Observability for autonomous, multi-step agents — tool calls, plans, and decisions.
Agentic AI Governance
Governing autonomous agents: policy, oversight, and accountable autonomy.
AI Audit Trail
Append-only, tamper-evident records of what an AI system decided and why.
AI Agent Monitoring
Real-time monitoring of agent behavior, drift, and decision quality.
Explainable AI (XAI)
Making AI decisions understandable to the people accountable for them.
AI TRiSM
Gartner's framework for AI trust, risk, and security management.
Decision Record
The durable document of one AI decision — reasoning, evidence, policy and approval in a single file.
AI Compliance Evidence
What auditors actually ask for, and why policy documents are not evidence.
AI Conformity Assessment
How an AI system is checked against the rules, and what that check consumes.
Decision Tracing
Capturing the structured reasoning behind every AI decision — AI Agentree's category.
AI Precedent Systems
Letting agents learn from past decisions as searchable precedent.
Decision Audit Trails
How human teams record why a decision was made — the deliberation counterpart to an AI audit trail.
Transparent AI
Making model reasoning inspectable, and what changes when several models are compared against each other.
Multi-Agent Simulation
Running many AI personas against one scenario to surface risks before a decision is taken.
আপনার এজেন্টদের একটি মেমরি দিন যা পুনরুদ্ধার করার মূল্য
সিদ্ধান্তগুলিকে একটি লগ নয়, একটি গ্রাফ হিসাবে সংরক্ষণ করুন — এবং সীমাবদ্ধ সিদ্ধান্ত প্যাকেট হিসাবে পুনরুদ্ধার করুন যা তারা যুক্তি করতে পারে।
বিনামূল্যে শুরু করুন