निर्णय पुनर्प्राप्ति क्या है?
निर्णय पुनर्प्राप्ति एक ऐसी प्रक्रिया है जिसमें एक एआई एजेंट पहले की समान स्थितियों को कैसे संभाला गया था, इसकी जांच करता है — और तर्क के साथ, न कि केवल एक स्निपेट के साथ वापस आता है। यह ग्राफ़आरएजी के लिए निर्णय है: एक मानक तर्क ग्राफ़ पर पुनर्प्राप्ति जिसमें प्रत्येक निर्णय तर्कों, साक्ष्य, और पूर्ववर्तियों से जुड़ा होता है जिन्होंने इसे आकार दिया। एक मैचिंग लॉग लाइनों के ढेर के बजाय, आपको एक सीमित, लेखा-परीक्षित निर्णय मिलता है जिसमें इसका तर्क सुरक्षित है।
निर्णय पुनर्प्राप्ति = पिछले निर्णयों को पूर्ण इकाइयों के रूप में पुनर्प्राप्त करना, न कि पाठ टुकड़ों के रूप में। सब्सट्रेट एक ग्राफ़ है: निर्णय समर्थन/विरोध तर्कों, साक्ष्य, और पूर्ववर्तियों से जुड़े हुए हैं जो टाइप किए गए किनारों द्वारा जुड़े हुए हैं। पुनर्प्राप्ति हाइब्रिड है — वेक्टर खोज प्रासंगिक निर्णयों को ढूंढती है, ग्राफ़ विस्तार पूर्ण संदर्भ को पुनर्प्राप्त करता है — और आउटपुट एक निर्णय पैकेट है। यह वेक्टर-ओनली आरएजी को लॉग पर हराता है, जो विच्छिन्न टुकड़ों को वापस करता है जो विरोधी तर्क और पूर्ववर्ती को छोड़ देता है।
निर्णय पुनर्प्राप्ति बनाम वेक्टर राग लॉग्स पर
एक एजेंट को स्मृति देने का डिफ़ॉल्ट तरीका वेक्टर राग है: सब कुछ एम्बेड करें, शीर्ष मिलान वाले टुकड़ों को पुनर्प्राप्त करें, और उन्हें प्रॉम्प्ट में पेस्ट करें। दस्तावेजों के लिए यह काम करता है। निर्णय के लिए यह संरचनात्मक रूप से विफल रहता है, क्योंकि एक निर्णय एक अनुच्छेद नहीं है — यह संबंधों का एक छोटा जाल है: एक प्रस्ताव, इसके लिए और इसके खिलाफ तर्क, प्रत्येक ने जिस साक्ष्य पर भरोसा किया, किसने किसी भी अपवाद को मंजूरी दी, और जिस पिछले मामले का पालन किया।
इसे पाठ में समतल करें और एम्बेड करें, और पुनर्प्राप्ति टुकड़ों को वापस देती है जिनके संबंध टूट गए हैं — तर्क के बिना निष्कर्ष, तर्कसंगतता के बिना अनुमोदन, एक पूर्ववर्ती का उल्लेख खुद पूर्ववर्ती के बिना। व्यावहारिक रूप से इसे "चंक सूप" कहते हैं। निर्णय पुनर्प्राप्ति इसे टाल देती है क्योंकि यह निर्णय को एक संरचित इकाई के रूप में पुनर्प्राप्त करती है, क्योंकि संबंधों को पहले-श्रेणी के किनारों के रूप में संग्रहीत किया जाता है, न कि प्रोसे में स्पष्ट रूप से छोड़ दिया जाता है।
ग्राफ: निर्देशात्मक किनारे, न कि वर्णनात्मक
जेनेरिक ज्ञान ग्राफ वर्णनात्मक किनारे स्टोर करते हैं — "उल्लेख", "संबंधित" — जो कहते हैं कि दो चीजें जुड़ी हुई हैं लेकिन यह नहीं कहते कि यह क्यों मायने रखता है। एक निर्णय ग्राफ निर्देशात्मक किनारे स्टोर करता है: समर्थन, विरोध, अस्वीकार, योग्यता। क्योंकि किनारे प्रकार है तर्क, ग्राफ पहले से ही एनकोड करता है कि एक निर्णय में क्या भारी था।
यह भी वह कारण है कि एक निर्णय ग्राफ एक असामान्य रूप से अच्छा ग्राफ़आरएजी सब्सट्रेट है जहां सामान्य उद्यम ग्राफ संघर्ष करते हैं। जेनेरिक ग्राफ विशाल हैं, उनके किनारे कम-सिग्नल हैं, कोई प्राकृतिक रूट नोड नहीं है, और ट्रैवर्सल का कोई स्पष्ट रोकने का बिंदु नहीं है। एक निर्णय ग्राफ के विपरीत गुण हैं: प्रत्येक निर्णय एक प्राकृतिक रूट है, किनारे वास्तविक तर्क ले जाते हैं, और एक निर्णय का उपग्राफ छोटा और प्राकृतिक रूप से सीमित है — तर्क, साक्ष्य, और उद्धृत पूर्ववर्तियों तक विस्तारित करें, फिर रुक जाएं।
हाइब्रिड वेक्टर-प्लस-ग्राफ पुनर्प्राप्ति कैसे काम करती है
वेक्टर और ग्राफ यहां प्रतिद्वंद्वी नहीं हैं — निर्णय पुनर्प्राप्ति वेक्टर का उपयोग प्रवेश बिंदुओं को खोजने के लिए करती है और ग्राफ संरचना को पूर्ण संदर्भ प्राप्त करने के लिए। व्यावहारिक रूप से, यह एक पाइपलाइन है: (1) निर्णय और तर्क एम्बेडिंग पर वेक्टर खोज एक मुट्ठी भर प्रासंगिक पिछले निर्णयों को ढूंढती है; (2) संरचित फिल्टर श्रेणी, इकाई प्रकार, और पूर्ववर्ती परिपक्वता द्वारा संकीर्ण होते हैं ताकि आप मान्य मामलों को पुनर्प्राप्त करें, मसौदे नहीं; (3) ग्राफ विस्तार निर्देशात्मक किनारों को चलाता है ताकि प्रत्येक निर्णय के तर्क और साक्ष्य को खींचा जा सके; (4) परिणाम-वजन वाली रैंकिंग पूर्ववर्तियों को तैरती है जिनके परिणाम अच्छी तरह से निकले हैं, जो कि उन लोगों की तुलना में जो नहीं निकले हैं; (5) परिणाम निर्णय पैकेट में पैकेज्ड हैं।
गहराई, नोड गणना, और समय पर कठोर सीमाएं विस्तार को दूर चलने से रोकती हैं। आउटपुट कभी भी टोकन की दीवार नहीं है — यह पूर्ण, तुलनीय निर्णयों का एक छोटा सेट है।
एजेंटों के लिए पुनर्प्राप्ति: एमसीपी और ए2ए
स्मृति केवल तभी उपयोगी है जब एक एजेंट तर्क देते समय इसे पहुंचा सकता है। निर्णय पुनर्प्राप्ति को दो तरीकों से एजेंटों के लिए उजागर किया जाता है। मॉडल संदर्भ प्रोटोकॉल (एमसीपी) के माध्यम से, search_precedents और get_packet जैसे टूल्स एजेंट को प्रासंगिक पिछले निर्णयों के लिए पूछताछ करने और मध्य-तर्क में डिसीजन पैकेट प्राप्त करने देते हैं — और लिखने का मार्ग भी एमसीपी पर काम करता है: एक एजेंट एक ट्रेस बना सकता है, अपने तर्क को रिकॉर्ड कर सकता है, निर्णय को सील कर सकता है, और तुरंत परिणामी निर्णय पैकेट को पुनर्प्राप्त कर सकता है, अंत से अंत तक, किसी एसडीके के बिना। एजेंट-टू-एजेंट (ए2ए) प्रतिनिधि में, निर्णय पैकेट एजेंटों के बीच पारित किया गया पेलोड है — एक प्राप्त एजेंट निर्णय के पूर्ण, स्व-संग्रहीत संदर्भ को विरासत में लेता है बिना भेजने वाले के डेटाबेस तक किसी भी पहुंच के। पैकेट डिज़ाइन द्वारा पोर्टेबल है, जो इसे विश्वास सीमा के पार हाथ में लेने के लिए सुरक्षित बनाता है।
एआई एजेंट्री निर्णय पुनर्प्राप्ति कैसे वितरित करती है
एआई एजेंट्री निर्णयों को एक मानक ग्राफ़ के रूप में संग्रहीत करती है और उन्हें सीमित पैकेट के रूप में पुनर्प्राप्त करती है। पुनर्प्राप्ति सब्सट्रेट शिप्ड और उपयोग में है:
हाइब्रिड पूर्ववर्ती खोज
एक पांच चरण पाइपलाइन — वेक्टर खोज, संरचित फिल्टर, ग्राफ-संदर्भ विस्तार, परिणाम-वजनक रैंकिंग, पैकेजिंग — पिछले निर्णयों को उनके तर्क के साथ पुनर्प्राप्त करती है, न कि टुकड़ों के रूप में।
निर्णय पैकेट
पुनर्प्राप्ति एक सीमित, स्व-निहित रिकॉर्ड को एक निर्णय के रूप में लौटाती है — प्रस्ताव, प्रो/कॉन तर्क, साक्ष्य, नीतियां, अनुमोदन, परिणाम, और उद्धृत पूर्ववर्ती।
पूर्ववर्ती उद्धरण
एक पुनर्प्राप्त पूर्ववर्ती को एक नए निर्णय में एक प्रथम श्रेणी के तर्क के रूप में उद्धृत किया जा सकता है, ताकि संगति याददाश्त पर निर्भर करने के बजाय जुड़ जाए।
एजेंट-मूल अभिगम (एमसीपी + ए2ए)
एजेंट एमसीपी टूल्स पर निर्णय रिकॉर्ड और पुनर्प्राप्त करते हैं — पूरा बनाएं, सील करें, और पैकेट प्राप्त करें जीवनचक्र कोई एसडीके के साथ — और निर्णय पैकेट एजेंट-टू-एजेंट प्रतिनिधि में पेलोड के रूप में यात्रा करते हैं।
सब्सट्रेट देखें जिस पर यह पुनर्प्राप्ति करता है निर्णय ट्रेसिंग पर, या गहरी तकनीकी उपचार ग्राफ़आरएजी एआई निर्णयों के लिए।
अक्सर पूछे जाने वाले प्रश्न
निर्णय पुनर्प्राप्ति क्या है?
निर्णय पुनर्प्राप्ति पिछले एआई निर्णयों को पूर्ण, संरचित इकाइयों के रूप में पुनः प्राप्त करना है, न कि विच्छिन्न पाठ खंडों के रूप में। यह ग्राफआरएजी का एक रूप है: सब्सट्रेट एक नॉर्मेटिव तर्क ग्राफ है जो प्रत्येक निर्णय को तर्क, साक्ष्य और पूर्ववर्ती से जोड़ता है जिसने इसे आकार दिया है, और आउटपुट एक सीमित निर्णय पैकेट है - केवल एक स्निपेट के बजाय तर्क।
निर्णय पुनर्प्राप्ति वेक्टर आरएजी से कैसे अलग है?
वेक्टर आरएजी पाठ को एम्बेड करता है और शीर्ष मिलान वाले टुकड़ों को वापस करता है - विच्छिन्न खंड जो एक निर्णय के निष्कर्ष का उद्धरण दे सकते हैं लेकिन विरोधी तर्क, अनुमोदक और पूर्ववर्ती को याद करते हैं जिस पर यह निर्भर करता है। निर्णय पुनर्प्राप्ति तर्क को बरकरार रखते हुए निर्णय को वापस करती है, क्योंकि संबंध गुप्त रूप से प्रोस के बजाय पहले वर्ग के टाइप किए गए किनारों के रूप में संग्रहीत किए जाते हैं। वेक्टर खोज निर्णय पुनर्प्राप्ति का एक घटक है, इसका प्रतिस्पर्धी नहीं।
ग्राफआरएजी क्या है?
ग्राफआरएजी (ग्राफ-एहंस्ड रिट्रीवल-ऑगमेंटेड जेनरेशन) केवल पाठ खंडों को समानता द्वारा रैंक करने के बजाय एक ज्ञान ग्राफ को पार करके संदर्भ पुनर्प्राप्त करता है। निर्णयों पर लागू, ग्राफ एक नॉर्मेटिव तर्क ग्राफ है, और पुनर्प्राप्ति हाइब्रिड है: वेक्टर खोज संबंधित निर्णयों को ढूंढती है, फिर ग्राफ विस्तार पूर्ण, सीमित संदर्भ लाता है।
निर्णय पैकेट क्या है?
निर्णय पैकेट निर्णय पुनर्प्राप्ति का सीमित आउटपुट है: एक निर्णय का स्व-निहित रिकॉर्ड जिसमें प्रस्ताव, प्रो/कॉन तर्क पेड़, साक्ष्य और इसकी उत्पत्ति, मूल्यांकित नीतियां, अनुमोदन, सीलबंद परिणाम और किसी भी उद्धृत पूर्ववर्ती शामिल हैं। यह वह है जो एक एजेंट या ऑडिटर एक पाइल ऑफ लॉग लाइनों के बजाय पुनः प्राप्त करता है।
क्या निर्णय पैकेट चेन-ऑफ-थॉट आउटपुट को स्टोर करने से बेहतर है?
वे अलग-अलग समस्याओं का समाधान करते हैं - पैकेट बेहतर रिकॉर्ड-कीपिंग है, बेहतर तर्क नहीं। संग्रहीत चेन-ऑफ-थॉट गद्य है: इसकी क्वेरी करने का अर्थ है प्रत्येक ट्रेस को पढ़ने के समय एक एलएलएम के साथ फिर से पार्स करना, इसके पास जुड़ने के लिए कोई परिणाम क्षेत्र नहीं है, और एक संपादन योग्य पाठ ब्लॉब किसी भी प्रतिबद्ध बिंदु की पेशकश नहीं करता है जिस पर एक समीक्षक भरोसा कर सकता है। निर्णय पैकेट एक बार सील पर तर्क को संरचित करता है: स्टांस-टाइप्ड प्रो/कॉन तर्क निर्धारित ग्राफ क्वेरी बन जाते हैं, निर्णय रिकॉर्ड किए गए परिणामों से जुड़ते हैं ताकि पुनर्प्राप्ति परिणाम-वजन वाली हो, पूर्ववर्ती नए निर्णयों में उद्धृत तर्क नोड बन जाते हैं, और हैश-चेन, सील, हस्ताक्षरित रिकॉर्ड साक्ष्य के रूप में काम करता है - एजेंट-टू-एजेंट प्रतिनिधि में विश्वास की सीमाओं के पार भी। न तो प्रारूप मॉडल के तर्क को अधिक विश्वासपात्र बनाता है; पैकेट घोषित तर्क को टिकाऊ, तुलनीय और रक्षात्मक बनाता है। यदि आपको केवल एक एजेंट को बाद में डीबग करने की आवश्यकता है, तो संग्रहीत चेन-ऑफ-थॉट पर्याप्त है - पैकेट तब अपनी संरचना कमाते हैं जब निर्णयों की तुलना, पुन: उपयोग या रक्षा करने की आवश्यकता होती है।
क्या निर्णय पुनर्प्राप्ति मेरे वेक्टर डेटाबेस या दस्तावेज़ आरएजी को बदल देती है?
नहीं। वेक्टर खोज पुनर्प्राप्ति पाइपलाइन का पहला चरण है, और दस्तावेज़ आरएजी एक अलग काम है। निर्णय पुनर्प्राप्ति आपके मौजूदा स्टैक के ऊपर बैठती है और उस एक कलाकृति को पकड़ती है जिसे वे सिस्टम स्टोर नहीं करते थे: स्वयं संरचित निर्णय, अपने तर्क के साथ पुनः प्राप्त किया जा सकता है।
एआई एजेंट्री निर्णय पुनर्प्राप्ति को कैसे लागू करती है?
एक शिप्ड पांच-चरण पूर्ववर्ती खोज पाइपलाइन (वेक्टर खोज, संरचित फिल्टर, ग्राफ-संदर्भ विस्तार, परिणाम-वजन वाली रैंकिंग, पैकेजिंग), निर्णय पैकेट असेंबली, पूर्ववर्ती उद्धरण और एमसीपी और ए2ए के माध्यम से एजेंटों के लिए पुनर्प्राप्ति के रूप में। स्वचालित परिणाम प्रतिक्रिया और क्रॉस-निर्णय पैटर्न सिंथेसिस - पुनर्प्राप्ति के ऊपर पूरी तरह से स्व-सुधार करने वाली परत - रोडमैप पर हैं।
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.
अपने एजेंटों को एक स्मृति दें जिसे पुनर्प्राप्त करने योग्य है
निर्णयों को एक ग्राफ़ के रूप में संग्रहीत करें, न कि एक लॉग के रूप में — और उन्हें सीमित निर्णय पैकेट के रूप में पुनर्प्राप्त करें जिन पर आपके एजेंट तर्क कर सकते हैं।
नि:शुल्क शुरू करें