AI ನಿರ್ಧಾರಗಳಿಗೆ GraphRAG
GraphRAG (ಗ್ರಾಫ್-ವೃದ್ಧಿತ ಹಿಂತಿರುಗಿಸುವ-ವೃದ್ಧಿತ ತಲೆಕೋಲು) ಕಾನ್ಟೆಕ್ಸ್ಟ್ ಅನ್ನು ತಿಳಿವಳಿಕೆ ಗ್ರಾಫ್ ಅನ್ನು ಹಾರಿಸುವ ಮೂಲಕ ಹಿಂತಿರುಗಿಸುತ್ತದೆ, ವೆಕ್ಟರ್ ಸಮಾನಾಂತರದಿಂದ ಪಠ್ಯ ಚಂಕಗಳನ್ನು ಮಾತ್ರ ಶ್ರೇಣೀಬದ್ಧಗೊಳಿಸುವುದಿಲ್ಲ. AI ಏಜೆಂಟ್ ನಿರ್ಧಾರಗಳಿಗೆ, ಗ್ರಾಫ್ ನಾರ್ಮಟಿವ್ ಆರ್ಗ್ಯುಮೆಂಟ್ ಗ್ರಾಫ್: ಪ್ರೋ ಮತ್ತು ಕಾನ್ ಆರ್ಗ್ಯುಮೆಂಟ್ಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ನಿರ್ಧಾರಗಳು, ಉಲ್ಲೇಖಿತ ಸಾಕ್ಷ್ಯ ಮತ್ತು ಉಲ್ಲೇಖಿತ ಪ್ರಸ್ತಾಪಗಳು, ಟೈಪ್ಡ್ ಎಡ್ಜ್ಗಳ ಮೂಲಕ (ಮಟ್ಟಿಗೆ, ವಿರೋಧ, ತಿರಸ್ಕಾರ). ನಿರ್ಧಾರ ಹಿಂತಿರುಗಿಸುವುದು ಹೈಬ್ರಿಡ್ ಪೈಪ್ಲೈನ್ — ವೆಕ್ಟರ್ ಶೋಧ ಸಂಬಂಧಿತ ನಿರ್ಧಾರಗಳನ್ನು ಕಂಡುಹಿಡಿಯುತ್ತದೆ, ನಂತರ ಗ್ರಾಫ್ ವಿಸ್ತರಣೆ ಸಂಪೂರ್ಣ, ಬೌಂಡೆಡ್ ಕಾನ್ಟೆಕ್ಸ್ಟ್ ಅನ್ನು ಪಡೆಯುತ್ತದೆ — ಮತ್ತು ಇದರ ಔಟ್ಪುಟ್ ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್: ಪ್ರಸ್ತಾಪ, ಆರ್ಗ್ಯುಮೆಂಟ್ ಮರ, ಸಾಕ್ಷ್ಯ, ನೀತಿಗಳು, ಅನುಮೋದನೆ, ಫಲಿತಾಂಶ ಮತ್ತು ಉಲ್ಲೇಖಿತ ಪ್ರಸ್ತಾಪಗಳ ಸ್ವಾಯತ್ತ ದಾಖಲೆ. ಇದು ಲಾಗ್ಗಳ ಮೇಲೆ ವೆಕ್ಟರ್-ಮಾತ್ರ RAG ಅನ್ನು ಮೀರಿಸುತ್ತದೆ, ಇದು ನಿರಾಕರಣಾ, ಅನುಮೋದನೆಗಳು ಮತ್ತು ಪ್ರಸ್ತಾಪವನ್ನು ತಪ್ಪಿಸುತ್ತಿರುವ ಅಸಂಬದ್ಧ ಚಂಕಗಳನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ನಿರ್ಧಾರ ಗ್ರಾಫ್ ಒಂದು ಅಪರೂಪದ ಉತ್ತಮ GraphRAG ಸಬ್ಸ್ಟ್ರೇಟ್ ಏಕೆಂದರೆ ಪ್ರತಿ ನಿರ್ಧಾರವು ನೈಸರ್ಗಿಕ ರೂಟ್ ನೋಡ್, ಎಡ್ಜ್ಗಳು ಉನ್ನತ-ಸಿಗ್ನಲ್ (ಅವು ಯುಕ್ತಿಯನ್ನು ಒಯ್ಯುತ್ತವೆ), ಮತ್ತು ಪ್ರತಿ ನಿರ್ಧಾರದ ಉಪಗ್ರಾಫ್ ಸಣ್ಣ ಮತ್ತು ಬೌಂಡೆಡ್ ಆಗಿದೆ. AIAgentree ಸಂಪೂರ್ಣ ಸ್ಟಾಕ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ: ನಿರ್ಧಾರ-ಹಿಂಬಾಲಿಸುವ ಡೇಟಾ ಮಾದರಿ, ಹೈಬ್ರಿಡ್ ಪ್ರಸ್ತಾಪ ಶೋಧ, ಪ್ರಸ್ತಾಪ ಉಲ್ಲೇಖ, ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ ಅಸೆಂಬ್ಲಿ, MCP ಮತ್ತು A2A ಮೇಲೆ ಹಿಂತಿರುಗಿಸುವುದು, ಸ್ವಾಯತ್ತ ಫಲಿತಾಂಶ ಪ್ರತಿಕ್ರಿಯೆ, ಫಲಿತಾಂಶ-ಗುಣಮಟ್ಟದ ಶ್ರೇಣೀಬದ್ಧಗೊಳಿಸುವುದು, ಆರ್ಗ್ಯುಮೆಂಟ್-ಪ್ರಭಾವಶೀಲತೆಯ ಹಿಂಬಾಲಿಸುವುದು, ಮತ್ತು ಸೀಲ್ನಲ್ಲಿ ಸ್ವಾಯತ್ತ-ಸುಚಿಸಲಾದ ಪ್ರಸ್ತಾಪಗಳು — ಸಂಪೂರ್ಣ ಸಂಸ್ಥಾನಿಕ-ಮೆಮೊರಿ ಫ್ಲೈವೀಲ್ ಶಿಪ್ಪ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಜೀವಂತವಾಗಿದೆ.
ಪ್ರಶ್ನೆ "ನಾವು AI ನಿರ್ಧಾರಗಳನ್ನು ಸಂಗ್ರಹಿಸಬೇಕೆ?" ಅಲ್ಲ — ಇದು "ನಾವು ಅವುಗಳನ್ನು ಏನರಲ್ಲಿ ಸಂಗ್ರಹಿಸುತ್ತೇವೆ?" ಅವುಗಳನ್ನು ಪಠ್ಯವಾಗಿ ಸಂಗ್ರಹಿಸಿದರೆ ನೀವು ವೆಕ್ಟರ್ RAG ನ ಚಂಕ ಸೂಪ ಅನ್ನು ಪಡೆಯುತ್ತೀರಿ. ಅವುಗಳನ್ನು ನಾರ್ಮಟಿವ್ ಆರ್ಗ್ಯುಮೆಂಟ್ ಗ್ರಾಫ್ ಎಂದು ಸಂಗ್ರಹಿಸಿದರೆ, ಹಿಂತಿರುಗಿಸುವುದು ಬೌಂಡೆಡ್, ಆಡಿಟ್ಬಲ್ ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ ಅನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ.
- •ಲಾಗ್ಗಳ ಮೇಲೆ ವೆಕ್ಟರ್ RAG ಸಂಪರ್ಕವಿಲ್ಲದ ತುಣುಕುಗಳನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ — ಇದು ಪ್ರತಿವಾದ, ಅನುಮೋದಕ, ಪ್ರಸ್ತಾವನೆಯನ್ನು ತಪ್ಪಿಸುತ್ತದೆ
- •ನಿರ್ಣಯ ಗ್ರಾಫ್ಆರ್ಎಜ್ ನಿರ್ಣಯವನ್ನು ಅದರ ಕಾರಣವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಉಳಿಸಿಕೊಂಡು ಟೈಪ್ಡ್ ಎಡ್ಜ್ಗಳ ಮೂಲಕ ಪಡೆಯುತ್ತದೆ
- •ನಿರ್ಣಯ ಗ್ರಾಫ್ ಒಂದು ಅಪರೂಪದ GraphRAG-perfect ಆಧಾರವಾಗಿದೆ: ನೈಸರ್ಗಿಕ ಮೂಲ ನೋಡ್ಗಳು, ಉನ್ನತ-ಸಂಕೇತ ಎಡ್ಜ್ಗಳು, ಮಿತಿಯಲ್ಲಿರುವ ಉಪಗ್ರಾಫ್ಗಳು
- •ಕಳುಹಿಸಲಾಗಿದೆ: ಹೈಬ್ರಿಡ್ ಪ್ರೀಸೆಡೆಂಟ್ ಶೋಧ, ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ಸ್, MCP/A2A ಪುನಃ ಪಡೆಯುವುದು, ಫಲಿತಾಂಶ ಪ್ರತಿಕ್ರಿಯೆ, ಫಲಿತಾಂಶ-ಭಾರಿತ ಶ್ರೇಣೀಬದ್ಧತೆ, ವಾದದ ಪರಿಣಾಮಕಾರಿತ್ವ, ಸ್ವಯಂ-ಸೂಚಿಸಲಾದ ಪ್ರೀಸೆಡೆಂಟ್ಗಳು — ಸಂಪೂರ್ಣ ಫ್ಲೈವೀಲ್
ನಿಮ್ಮ ಏಜೆಂಟ್ ನೀವು ಕೊನೆಯ ಬಾರಿ ಹೇಗೆ ನಿರ್ಧರಿಸಿದ್ದೀರಿ ಎಂಬುದನ್ನು ತಿಳಿಯಬೇಕಾಗಿದೆ.
ನೀವು ಇದನ್ನು ಲಾಗ್ಗಳ ವೆಕ್ಟರ್ ಸ್ಟೋರ್ಗೆ ತಿರುಗಿಸುತ್ತೀರಿ. ಇದು ಆರು ತುಣುಕುಗಳನ್ನು ಹಿಂದಿರುಗಿಸುತ್ತದೆ. ಅವುಗಳಲ್ಲಿ ಯಾವುದೇ ಕಾರಣವಿಲ್ಲ.
ಪುನಃ ಪಡೆಯುವ ಸಮಸ್ಯೆ ಯಾರೂ ಹೆಸರಿಸುವುದಿಲ್ಲ
ಪ್ರತಿಯೊಂದು ಗಂಭೀರ ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಗೆ ಕೊನೆಗೆ ಮೆಮೊರಿ ಅಗತ್ಯವಿದೆ: ಹೋಲಿಸಿದ ಪರಿಸ್ಥಿತಿಯನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಹುಡುಕುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಸತತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದು. 2026 ರಲ್ಲಿ ಡೀಫಾಲ್ಟ್ ಉತ್ತರ ವೆಕ್ಟರ್ RAG — ಎಲ್ಲವನ್ನೂ ಎಂಬೆಡ್ ಮಾಡಿ, ಅತಿದೊಡ್ಡ-k ಹೋಲಿಸಿದ ಚಂಕಗಳನ್ನು ಪಡೆಯಿರಿ, ಅವುಗಳನ್ನು ಸಂದರ್ಭ ಕಿಟಕಿಯಲ್ಲಿಗೆ ಹಾಕಿ.
ದಾಖಲೆಗಳಿಗೆ, ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ನಿರ್ಣಯಗಳಿಗೆ, ಇದು ಶಾಂತವಾಗಿ ವಿಫಲವಾಗುತ್ತದೆ. ಮತ್ತು ವಿಫಲತೆ ರಚನಾತ್ಮಕವಾಗಿದೆ, ಟ್ಯೂನಿಂಗ್ ಸಮಸ್ಯೆ ಅಲ್ಲ.
ನಿರ್ಣಯವು ಒಂದು ಪ್ಯಾರಾಗ್ರಾಫ್ ಅಲ್ಲ. ಇದು ಸಂಬಂಧಗಳ ಒಂದು ಸಣ್ಣ ಜಾಲವಾಗಿದೆ: ಒಂದು ಪ್ರಸ್ತಾವನೆ, ಅದಕ್ಕೆ ವಿರುದ್ಧ ಮತ್ತು ಪರವಾದ ವಾದಗಳು, ಪ್ರತಿಯೊಂದು ವಾದವು ಆಧಾರಿತವಾದ ಸಾಕ್ಷ್ಯ, ಯಾರಿಗೆ ಅಪವಾದವನ್ನು ಅನುಮೋದಿಸಿದರು, ಮತ್ತು ಯಾವ ಹಳೆಯ ಪ್ರಕರಣವನ್ನು ಅನುಸರಿಸಿತು. ಅದನ್ನು ಪಠ್ಯ ತುಂಡುಗಳಲ್ಲಿ ಸಮತಲಗೊಳಿಸಿ ಮತ್ತು ಅವುಗಳನ್ನು ಅಳವಡಿಸಿ, ಮತ್ತು ಪುನಃ ಪಡೆಯುವಿಕೆ ಸಂಬಂಧಗಳನ್ನು ಕತ್ತರಿಸಿದ ತುಂಡುಗಳನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ನೀವು ಪ್ರತಿವಾದವಿಲ್ಲದೆ ನಿರ್ಣಯವನ್ನು ಪಡೆಯುತ್ತೀರಿ. ನೀವು ಕಾರಣವಿಲ್ಲದೆ ಅನುಮೋದನೆಯನ್ನು ಪಡೆಯುತ್ತೀರಿ. ನೀವು ಪ್ರಸ್ತಾವನೆಯ ಉಲ್ಲೇಖವಿರುವ ವಾಕ್ಯವನ್ನು ಪಡೆಯುತ್ತೀರಿ ಆದರೆ ಪ್ರಸ್ತಾವನೆಯು ಇಲ್ಲ.
ಇದು ಅಭ್ಯಾಸಕರು "ಚಂಕ್ ಸೂಪ್." ಎಂದು ಕರೆಯುವದು. ಇದು ನಿರ್ಧಾರ ಲಾಗ್ಗಳ ಮೇಲೆ ವೆಕ್ಟರ್-ಮಾತ್ರ ಪುನಃ ಪಡೆಯುವಿಕೆ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುವುದಕ್ಕೆ ಮತ್ತು ಸೂಕ್ಷ್ಮವಾಗಿ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿಲ್ಲದ ಕಾರಣವಾಗಿದೆ.
ಚಂಕ್ ಸೂಪ್ ವಿರುದ್ಧ ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್
| ವೆಕ್ಟರ್ RAG ಹಿಂತಿರುಗಿಸುತ್ತದೆ | ನಿರ್ಣಯ ಗ್ರಾಫ್RAG ಹಿಂತಿರುಗಿಸುತ್ತದೆ |
|---|---|
| …"ಪ್ರೀಮಿಯಂ ಗ್ರಾಹಕನಿಗೆ ಹಣ ಹಿಂತೆಗೆದುಕೊಳ್ಳಲು ಅನುಮೋದನೆ ನೀಡಲಾಗಿದೆ" (0.83) …"ಆಟೋ-ಅನುಮೋದನೆಗೆ ತಲುಪುವ ಮಟ್ಟ $200" (0.79) …"SEV-1 ಘಟನೆಗಳನ್ನು ಟಿಯರ್ 2 ಗೆ ಏರಿಸಲು" (0.74) | ಪ್ರಸ್ತಾವನೆ: ಮರುಪಾವತಿ #4521 ($240) ಅಂಗೀಕರಿಸಿ ಹೆಚ್ಚು: ಪ್ರೀಮಿಯಂ ಗ್ರಾಹಕ, ಮಾನ್ಯ ದೋಷ ಕಡಿಮೆ: $200 ಸ್ವಯಂ ಅಂಗೀಕೃತ ಮಿತಿಯನ್ನು ಮೀರಿಸುತ್ತದೆ ಮೀರಿಸುವುದು: ಹಿರಿಯ ವಿಶ್ಲೇಷಕನಿಂದ ಅಂಗೀಕರಿಸಲಾಗಿದೆ (ನೀತಿ P-12) ಮಾಹಿತಿ: ಪ್ರಕರಣ #1234 ಅನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ (ಅಂಗೀಕರಿಸಲಾಗಿದೆ, 0 ಚಾರ್ಜ್ಬ್ಯಾಕ್ಗಳು) ಫಲಿತಾಂಶ (6ಮೋ): ಉಳಿಸಲಾಗಿದೆ, ಯಾವುದೇ ವಿವಾದವಿಲ್ಲ |
| ಮೂವರು ಸಾಧ್ಯವಾದ ತುಂಡುಗಳು. ಅವುಗಳ ನಡುವೆ ಯಾವುದೇ ಸಂಪರ್ಕವಿಲ್ಲ. ಈ ಮರುಪಾವತಿ ಮೇಲಿನ ಗಡಿಯನ್ನು ಮೀರಿಸುತ್ತಿದೆಯೆ? ಯಾರು ಅದನ್ನು ಮೀರಿಸಿದರು? ನಂತರ ಏನಾಯಿತು? ತುಂಡುಗಳು ಹೇಳಲು ಸಾಧ್ಯವಾಗುತ್ತಿಲ್ಲ. | ಒಂದು ನಿರ್ಬಂಧಿತ ಪ್ಯಾಕೆಟ್. ಯುಕ್ತಿ, ಅಪವಾದ, ಉದಾಹರಣೆ ಮತ್ತು ಫಲಿತಾಂಶ — ಸಂಪರ್ಕಿತ. |
ತಾರತಮ್ಯವು ಎಂಬೆಡ್ಡಿಂಗ್ ಮಾದರಿ ಅಥವಾ ಚಂಕದ ಗಾತ್ರವಲ್ಲ. ಇದು ಆಧಾರ. ಒಂದು ನಿರ್ಧಾರಗಳ ಬಗ್ಗೆ ಪಠ್ಯವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ; ಇನ್ನೊಂದು ನಿರ್ಧಾರಗಳನ್ನು ರಚನೆಯಂತೆ ಸಂಗ್ರಹಿಸುತ್ತದೆ.
ಏಕೆ ನಾರ್ಮೇಟಿವ್ ಎಡ್ಜ್ಗಳು ಎಲ್ಲವನ್ನೂ ಬದಲಾಯಿಸುತ್ತವೆ
ಸಾಮಾನ್ಯ ಜ್ಞಾನ ಗ್ರಾಫ್ಗಳು ವಿವರಣಾತ್ಮಕ ಅಂಚುಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ: "ಉಲ್ಲೇಖಗಳು," "ಸಂಬಂಧಿತ," "ಮಾಲೀಕತ್ವದಲ್ಲಿದೆ." ಇವು ಎರಡು ವಿಷಯಗಳು ಸಂಪರ್ಕಿತವಾಗಿವೆ ಎಂದು ನಿಮಗೆ ತಿಳಿಸುತ್ತವೆ ಆದರೆ ಅದು ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ ಎಂಬುದನ್ನು ತಿಳಿಸುತ್ತವೆ.
ನಿರ್ಧಾರ ಗ್ರಾಫ್ ನಿಯಮಿತ ಅಂಚುಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ — ಸಂಬಂಧಗಳು ತರ್ಕವನ್ನು ಒಯ್ಯುತ್ತವೆ:
- •ಬೆಂಬಲಿಸುತ್ತದೆ / ವಿರೋಧಿಸುತ್ತದೆ — ಈ ವಾದವು ನಿರ್ಧಾರವನ್ನು ಫಲಿತಾಂಶದ ಕಡೆಗೆ ಅಥವಾ ದೂರಕ್ಕೆ ಒಯ್ಯಿತು
- •ತಿರಸ್ಕಾರಿಸುತ್ತದೆ — ಈ ಸಾಕ್ಷಿ ಆ ದಾವೆಯನ್ನು ನೇರವಾಗಿ ವಿರೋಧಿಸುತ್ತದೆ
- •ಅರ್ಹತೆ / ಆಧಾರಿತ — ಇದು ಕೇವಲ ಒಂದು ಶರತ್ತಿನ ಅಡಿಯಲ್ಲಿ ಮಾತ್ರ berlaku
ಎಡ್ಜ್ ಪ್ರಕಾರ ಇದು ಕಾರಣವಾಗಿದೆ, ಗ್ರಾಫ್ ಈಗಾಗಲೇ ಏನು ಭಾರವಾಹಕವಾಗಿದೆ ಎಂಬುದನ್ನು ತಿಳಿದಿದೆ. ಪುನಃ ಪಡೆಯುವಿಕೆ ಹತ್ತು ಉಲ್ಲೇಖಿತ ವಾಸ್ತವಗಳಲ್ಲಿ ಯಾವುದು ಕರೆ ನೀಡಿದೆಯೆಂದು ಊಹಿಸಲು ಅಗತ್ಯವಿಲ್ಲ — ಹೆಚ್ಚಿನ ತೂಕದ ಸಹಾಯಗಳು ಅಂಶಗಳು ಅದನ್ನು ಹೇಳುತ್ತವೆ. ವಿವರಣಾತ್ಮಕ ಗ್ರಾಫ್ಗಳು ಶೋಧವನ್ನು ಸಾಧ್ಯವಾಗಿಸುತ್ತವೆ. ಮಾನದಂಡ ಗ್ರಾಫ್ಗಳು ನ್ಯಾಯವನ್ನು ಸಾಧ್ಯವಾಗಿಸುತ್ತವೆ.
ಏಕೆ ನಿರ್ಧಾರ ಗ್ರಾಫ್ "ಗ್ರಾಫ್ಆರ್ಎಜಿ-ಪರಿಪೂರ್ಣ"ವಾಗಿದೆ
ಬಹಳಷ್ಟು ತಂಡಗಳು ಸಾಮಾನ್ಯ ಉದ್ಯಮ ಗ್ರಾಫ್ನಲ್ಲಿ GraphRAG ಅನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತವೆ ಆದರೆ ಹಾರಿಸುತ್ತವೆ. ಕಾರಣಗಳು ಸ್ಥಿರವಾಗಿವೆ, ಮತ್ತು ನಿರ್ಧಾರ ಗ್ರಾಫ್ ಪ್ರತಿಯೊಂದು ಕಾರಣವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ:
| ಏಕೆ ಸಾಮಾನ್ಯ GraphRAG ಕಷ್ಟಪಡುತ್ತದೆ | ಏಕೆ ನಿರ್ಧಾರ ಗ್ರಾಫ್ ಇಲ್ಲದೆಯೇ? |
|---|---|
| ಗ್ರಾಫ್ ಬಹಳ ದೊಡ್ಡದು (ಮಿಲಿಯನ್ಗಳ ಸಂಖ್ಯೆಯ ನೋಡ್ಗಳು) | ಪ್ರತಿ ನಿರ್ಧಾರದ ಉಪಗ್ರಾಫ್ ಸಣ್ಣ ಮತ್ತು ಸ್ವಾಯತ್ತವಾಗಿದೆ |
| ಎಡ್ಜ್ಗಳು ಕಡಿಮೆ-ಸಿಗ್ನಲ್ ("related_to") | ಕೋನಗಳು ಮಾನದಂಡವಾಗಿವೆ ಮತ್ತು ತರ್ಕವನ್ನು ಒಯ್ಯುತ್ತವೆ |
| ಆರಂಭಿಸಲು ಯಾವುದೇ ನೈಸರ್ಗಿಕ ಮೂಲ ನೋಡ್ ಇಲ್ಲ | ನಿರ್ಣಯ ಅದು ಮೂಲ ನೋಡ್ |
| ಮಾರ್ಗದರ್ಶನಕ್ಕೆ ಯಾವುದೇ ನೈಸರ್ಗಿಕ ನಿಲ್ಲುವ ಸ್ಥಳವಿಲ್ಲ. | ನೀತಿ ನಿರ್ಧಾರದ ಗಡಿ ಆಂತರಿಕವಾಗಿದೆ — ಅದರ ವಾದಗಳು, ಸಾಕ್ಷ್ಯಗಳು ಮತ್ತು ಉಲ್ಲೇಖಿತ ನಿದರ್ಶನಗಳಿಗೆ ವಿಸ್ತಾರಗೊಳ್ಳಿ, ನಂತರ ನಿಲ್ಲಿಸಿ |
ಗ್ರಾಫ್ನ ರಚನೆಯಲ್ಲಿ "ಊಹಿಸಿದವು" ನಿರ್ಮಿತವಾಗಿದೆ. ಇದು GraphRAGಗೆ ಅಗತ್ಯವಿರುವ ಮತ್ತು ಬಹಳ ಕಡಿಮೆ ಪಡೆಯುವ ಗುಣವಾಗಿದೆ.
ಹೈಬ್ರಿಡ್ ರಿಟ್ರೀವಲ್ ಪೈಪ್ಲೈನ್
ವೆಕ್ಟರ್ಗಳು ಮತ್ತು ಗ್ರಾಫ್ಗಳು ಇಲ್ಲಿ ಶತ್ರುಗಳಲ್ಲ. ನಿರ್ಧಾರ ಪುನಃ ಪಡೆಯುವಿಕೆ ಎಂಟ್ರಿ ಪಾಯಿಂಟ್ಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ವೆಕ್ಟರ್ಗಳನ್ನು ಬಳಸುತ್ತದೆ ಮತ್ತು ಪೂರ್ಣ ಸಂದರ್ಭವನ್ನು ಪಡೆಯಲು ಗ್ರಾಫ್ ರಚನೆಯನ್ನು ಬಳಸುತ್ತದೆ. AIAgentree ನಲ್ಲಿ ಇದು ಐದು ಹಂತಗಳ ಪೈಪ್ಲೈನ್ (ಮೂಡಲ ಹುಡುಕಾಟ ಸೇವೆಯಲ್ಲಿ ಸಾಗಿಸಲಾಗಿದೆ):
ವೆಕ್ಟರ್ ಶೋಧ ನಿರ್ಧಾರ ಮತ್ತು ವಾದ ಎಂಬೆಡಿಂಗ್ಗಳ ಮೇಲೆ — ಸಂಬಂಧಿತ ಹಳೆಯ ನಿರ್ಧಾರಗಳ ಕೆಲವು ಸಂಖ್ಯೆಯನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ
ಸಂರಚಿತ ಫಿಲ್ಟರ್ಗಳು — ಬಾಡಿಗಾರ, ವರ್ಗ, ಘಟಕ ಪ್ರಕಾರ, ಪ್ರೀಸೆಡೆಂಟ್ ಮ್ಯಾಚ್ಯುರಿಟಿ (ಹೀಗಾಗಿ ನೀವು ದೃಢೀಕೃತ ಪ್ರಕರಣಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ, ಡ್ರಾಫ್ಟ್ಗಳನ್ನು ಅಲ್ಲ)
ಗ್ರಾಫ್-ಸಂದರ್ಭ ವಿಸ್ತರಣೆ — ಪ್ರತಿ ನಿರ್ಧಾರದ ವಾದಗಳು ಮತ್ತು ಸಾಕ್ಷಿಗಳನ್ನು ಆಕರ್ಷಿಸಲು ಮಾನದಂಡದ ಅಂಚುಗಳನ್ನು ನಡೆಯಿರಿ
ಫಲಿತಾಂಶ-ಭಾರಿತ ಶ್ರೇಣೀಬದ್ಧತೆ — ಉತ್ತಮವಾಗಿ ಫಲಿತಾಂಶ ನೀಡಿದ ಉದಾಹರಣೆ, ಮೇಲ್ಮಟ್ಟದಲ್ಲಿ ಹೋಲಿಸುವಂತೆ ಕಾಣುವ ಆದರೆ ಉತ್ತಮವಾಗದ ಉದಾಹರಣೆಯ ಮೇಲೆ ಶ್ರೇಣೀಬದ್ಧವಾಗುತ್ತದೆ
ಪ್ಯಾಕೇಜಿಂಗ್ — ಫಲಿತಾಂಶವನ್ನು ಏಕೀಕೃತ ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ಗಳಲ್ಲಿ ಸೇರಿಸಿ, ಏಜೆಂಟ್ ಅಥವಾ ಪರಿಶೀಲಕನಿಗೆ ಹಸ್ತಾಂತರಿಸಲು ಸಿದ್ಧವಾಗಿದೆ
ಕಠಿಣ ಮಿತಿಗಳು (ಗರಿಷ್ಠ ಆಳ, ಗರಿಷ್ಠ ನೋಡ್ಗಳು, ಟೈಮ್ಔಟ್) ವಿಸ್ತರಣೆಯನ್ನು ಓಡಲು ಬಿಡುವುದಿಲ್ಲ. ಔಟ್ಪುಟ್ ಎಂದಿಗೂ ಟೋಕನ್ಗಳ ಗೋಡೆಯಾಗುವುದಿಲ್ಲ — ಇದು ಸಂಪೂರ್ಣ, ಹೋಲಿಸಬಹುದಾದ ನಿರ್ಧಾರಗಳ ಸಣ್ಣ ಸಂಖ್ಯೆಯಾಗಿದೆ.
ಊರಿಕೆ ಏಜೆಂಟ್ಗಳಿಗೆ: MCP ಮತ್ತು A2A
ಸ್ಮರಣೆ ಏಕೆಂದರೆ ಏಕಕಾಲದಲ್ಲಿ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಾಗ ಏಜೆಂಟ್ ಅದನ್ನು ತಲುಪಬಹುದು. AIAgentree ನಿರ್ಧಾರ ವಾಪಸ್ ಪಡೆಯುವಿಕೆ ಎರಡು ಮಾರ್ಗಗಳಲ್ಲಿ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ:
ಎಮ್ಸಿಪಿ ಮೇಲೆ
ಮಾದರಿ ಸಾಂದರ್ಭಿಕ ಪ್ರೋಟೋಕಾಲ್ ಸರ್ವರ್ search_precedents ಮತ್ತು get_packet ಎಂಬ ಸಾಧನಗಳನ್ನು ಬಹಿರಂಗಗೊಳಿಸುತ್ತದೆ. ಏಕಕಾಲದಲ್ಲಿ, ಏಕಕಾಲದಲ್ಲಿ, ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ಗಳನ್ನು ಪಡೆಯಲು ಏಕಕಾಲದಲ್ಲಿ ಸಂಬಂಧಿತ ಹಿಂದಿನ ನಿರ್ಧಾರಗಳನ್ನು ಕೇಳುತ್ತದೆ — ಮಧ್ಯ-ತರ್ಕದಲ್ಲಿ, ಬ್ಯಾಚ್ ಕೆಲಸವಾಗಿ ಅಲ್ಲ.
ಓವರ A2A
ಏಜೆಂಟ್-ಗೆ-ಏಜೆಂಟ್ ನಿಯೋಜನೆಯಲ್ಲಿ, ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ ಪೇಲೋಡ್ ಆಗಿದೆ. ಸ್ವೀಕರಿಸುವ ಏಜೆಂಟ್, ಕಳುಹಿಸುವವರ ಡೇಟಾಬೇಸ್ಗೆ ಯಾವುದೇ ಪ್ರವೇಶವಿಲ್ಲದೆ, ನಿರ್ಧಾರದ ಸಂಪೂರ್ಣ, ಸ್ವಾಯತ್ತವಾದ ಪರಿಕಲ್ಪನೆಯನ್ನು ಪರಿಗಣಿಸುತ್ತದೆ.
ಪ್ಯಾಕೆಟ್ ವಿನ್ಯಾಸದಿಂದಲೇ ಪೋರ್ಟ್ಬಲ್ ಆಗಿದೆ — ಇದು ನಿರ್ಧಾರವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಅನ್ವಯಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನೂ ಒಯ್ಯುತ್ತದೆ, ಇದು ನಿಖರವಾಗಿ ಅದನ್ನು ವಿಶ್ವಾಸದ ಗಡಿಯನ್ನು ಹಂಚಲು ಸುರಕ್ಷಿತವಾಗಿಸುತ್ತದೆ.
ಕೋಡ್ನಲ್ಲಿ ಇದು ಹೇಗೆ ಕಾಣಿಸುತ್ತದೆ
ಊಹಿಸುವ ನಿರ್ಧಾರಕ್ಕಾಗಿ ಪ್ರಸ್ತಾವಿತ ಉದಾಹರಣೆಗಳನ್ನು ಪಡೆಯುವುದು:
# Find how similar cases were decided before acting
results = client.search_precedents(
query="refund above auto-approve threshold, premium customer",
filters={"category": "customer_service", "maturity": "validated"},
)
for packet in results:
# Each packet is a complete decision: proposition, pro/con
# arguments, evidence, approvals, outcome, and cited precedents
print(packet.proposition, packet.outcome, packet.confidence)ಕಚ್ಚಾ ಲಾಗ್ಗಳ ಪ್ರಾಂಪ್ಟ್-ಸ್ಟಫಿಂಗ್ ಇಲ್ಲ. ಏಜೆಂಟ್ ಹಿಂದಿನ ನಿರ್ಣಯಗಳು ಬಗ್ಗೆ ಯೋಚಿಸುತ್ತಾನೆ, ಅವರ ಯೋಚನೆಗಳನ್ನು ಜೋಡಿಸಲಾಗಿದೆ. ಸ್ಪಷ್ಟತೆಗೆ ಪೈಥಾನ್ ಕ್ಲೈಂಟ್ ಬಳಸಲಾಗಿದೆ — ಆದರೆ ಅದೇ ಪುನಃ ಪಡೆಯುವಿಕೆ (get_packet, search_precedents) MCP SDK ಇಲ್ಲದೆ ಲಭ್ಯವಿದೆ, ಆದ್ದರಿಂದ MCP-ಸ್ಥಳೀಯ ಏಜೆಂಟ್ ನಿರ್ಣಯಗಳನ್ನು ಸಾಧನಗಳಂತೆ ಬಳಸುತ್ತಾನೆ.
ಪೂರ್ಣ ಸ್ಟಾಕ್ ಶಿಪ್ ಮಾಡಲಾಗಿದೆ
ನಾವು ಆಕರ್ಷಕವಾಗಿರುವುದಕ್ಕಿಂತ ನಿಖರವಾಗಿರುವುದನ್ನು ಹೆಚ್ಚು ಇಷ್ಟಪಡುತ್ತೇವೆ. ಇಂದು ಏನಿದೆ ಎಂಬುದನ್ನು ಇಲ್ಲಿ ನೀಡಲಾಗಿದೆ:
ನಿರ್ಣಯ ಹಿಡಿತ ಮತ್ತು ಪುನಃ ಪಡೆಯುವುದು
- ✓ನಿಯಮಿತ ನಿರ್ಧಾರ-ಅನುಕ್ರಮ ಡೇಟಾ ಮಾದರಿ (ಟೈಪ್ಡ್ ಆರ್ಗ್ಯುಮೆಂಟ್ ಎಡ್ಜಸ್)
- ✓ಹೈಬ್ರಿಡ್ ಪ್ರಿಸಿಡೆಂಟ್ ಶೋಧ (ಮೇಲಿನ ಐದು ಹಂತಗಳ ಪೈಪ್ಲೈನ್)
- ✓ಪೂರ್ವದರ್ಶನ ಉಲ್ಲೇಖ — ಮೊದಲ ಶ್ರೇಣಿಯ ವಾದವಾಗಿ ಹಿಂದಿನ ತೀರ್ಮಾನವನ್ನು ಉಲ್ಲೇಖಿಸಿ
- ✓ನಿರ್ಣಯ ಪ್ಯಾಕೆಟ್ ಸಂಯೋಜನೆ
- ✓MCP + A2A ಮೇಲೆ ಪುನಃ ಪಡೆಯುವುದು
- ✓ತಪ್ಪು-ಸಾಕ್ಷ್ಯ, ಸೇರಿಸಲು ಮಾತ್ರ ಇರುವ ನಿರ್ಣಯ ದಾಖಲೆಗಳು
ಸಂಸ್ಥಾತ್ಮಕ ನೆನಪು ಫ್ಲೈವೀಲ್
- ✓ಸ್ವಯಂಚಾಲಿತ ಫಲಿತಾಂಶ ಪ್ರತಿಕ್ರಿಯೆ — ವೆಬ್ಹುಕ್ + ಪೋಲಿಂಗ್ ಇಂಗೆಷನ್ ನಿರ್ಧಾರಗಳಿಗೆ ಫಲಿತಾಂಶಗಳನ್ನು ಪುನಃ ಬರೆಯುತ್ತದೆ
- ✓ಫಲಿತಾಂಶ-ಗುಣಮಟ್ಟ ಅಂಕನ — ಉತ್ತಮ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ನಿರ್ಧಾರಗಳು ಪ್ರೀಸೆಡೆಂಟ್ ಶೋಧದಲ್ಲಿ ಹೆಚ್ಚು ಉನ್ನತ ಸ್ಥಾನದಲ್ಲಿರುತ್ತವೆ
- ✓ತರ್ಕದ ಪರಿಣಾಮಕಾರಿತ್ವ — ಯಾವ ತರ್ಕಗಳು ಸಕಾರಾತ್ಮಕ ಫಲಿತಾಂಶಗಳಿಗೆ ಕಾರಣವಾದವುಗಳನ್ನು ಹಿಂಡಿಕೊಳ್ಳಿ
- ✓ಆಟೋ-ಸುಚಿಸಲಾದ ನಿದರ್ಶನಗಳು — ಮುಚ್ಚುವ ಸಮಯದಲ್ಲಿ ಹೊರಹೊಮ್ಮಿದ ಸಂಬಂಧಿತ ಹಿಂದಿನ ತೀರ್ಪುಗಳು
ಪೂರ್ಣ ಮುಚ್ಚಿದ ಲೂಪ್ ಫ್ಲೈವೀಲ್ ಸಜೀವವಾಗಿದೆ: ಫಲಿತಾಂಶ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಹಿಂದಿನ ಶ್ರೇಣೀಬದ್ಧತೆಯಲ್ಲಿ ಹಿಂತಿರುಗುತ್ತವೆ, ವಾದಗಳ ಪರಿಣಾಮಕಾರಿತ್ವವು ಏನು ಕಾರ್ಯನಿರ್ವಹಿಸಿತು ಎಂಬುದನ್ನು ಮೇಲಕ್ಕೆ ತರುತ್ತದೆ, ಮತ್ತು ಏಜೆಂಟ್ಗಳಿಗೆ ಅವರು ನಿರ್ಧಾರವನ್ನು ಮುಚ್ಚುವಾಗ ಸಂಬಂಧಿತ ಪ್ರೀಸೆಡೆಂಟ್ಗಳನ್ನು ಸ್ವಯಂ-ಸುಚಿಸಲಾಗುತ್ತದೆ. ಗ್ರಾಫ್ ಸಬ್ಸ್ಟ್ರೇಟ್ ಇದನ್ನು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ — ಮತ್ತು ಈಗ ಸ್ವಯಂ-ಸುಧಾರಣಾ ಹಂತವು ಇದರ ಮೇಲ್ಭಾಗದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.
ಇದು ಏನನ್ನು ಬದಲಾಯಿಸುವುದಿಲ್ಲ
- •ನಿಮ್ಮ ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್ — ಇದು ಪೈಪ್ಲೈನ್ನ ಒಂದು ಭಾಗ, ಹಂತ 1
- •ನಿಮ್ಮ ದಾಖಲೆ RAG — ನೀತಿಗಳು ಮತ್ತು ಕೈಪಿಡಿಗಳನ್ನು ಪಡೆಯುವುದು ವಿಭಿನ್ನ ಕೆಲಸವಾಗಿದೆ
- •ಪರೀಕ್ಷಣೀಯತೆ ಸಾಧನಗಳು — ವ್ಯಾಪ್ತಿಗಳು, ವಿಳಂಬ ಮತ್ತು ಟೋಕನ್ ಮೆಟ್ರಿಕ್ಗಳು ಇನ್ನೂ LangSmith/Langfuse ಇತ್ಯಾದಿಗಳಿಗೆ ಸೇರಿವೆ.
ನಿರ್ಣಯ ಗ್ರಾಫ್ಆರ್ಎಜ್ ಎಲ್ಲರ ಮೇಲೆಯೇ ಕುಳಿತಿದ್ದು, ಅವರಲ್ಲೆಲ್ಲಾ ಸಂಗ್ರಹಿತವಾಗದ ಕಲ್ಪನೆಯನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುತ್ತದೆ: ಅದರ ತರ್ಕವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಉಳಿಸಿಕೊಂಡಿರುವ ರಚಿತ ನಿರ್ಣಯ.
ಅತ್ಯಂತ ಕೇಳುವ ಪ್ರಶ್ನೆಗಳು
AI ನಿರ್ಧಾರಗಳಿಗೆ GraphRAG ಏನು?
ಗ್ರಾಫ್ಆರ್ಎಜ್ (ಗ್ರಾಫ್-ವೃದ್ಧಿತ ಪುನಃಪ್ರಾಪ್ತಿಯ-ವೃದ್ಧಿತ ಉತ್ಪಾದನೆ) ಕೇವಲ ವೆಕ್ಟರ್ ಸಮಾನಾಂತರದಿಂದ ಪಠ್ಯ ತುಂಡುಗಳನ್ನು ಶ್ರೇಣೀಬದ್ಧಿಸುವ ಬದಲು, ಜ್ಞಾನ ಗ್ರಾಫ್ ಅನ್ನು ಹಾರುವ ಮೂಲಕ ಪರಿಕರವನ್ನು ಪುನಃಪ್ರಾಪ್ತಿಸುತ್ತದೆ. ಏಐ ನಿರ್ಧಾರಗಳಿಗೆ, ಗ್ರಾಫ್ ಒಂದು ಮಾನದಂಡದ ವಾದ ಗ್ರಾಫ್ — ನಿರ್ಧಾರಗಳು, ಅವುಗಳನ್ನು ಬೆಂಬಲಿಸಿದ ಅಥವಾ ವಿರೋಧಿಸಿದ ಪ್ರೋ/ಕಾನ್ ವಾದಗಳು, ಉಲ್ಲೇಖಿತ ಸಾಕ್ಷ್ಯಗಳು ಮತ್ತು ಉಲ್ಲೇಖಿತ ನಿದರ್ಶನಗಳು, ಶ್ರೇಣೀಬದ್ಧ ಎಡ್ಜ್ಗಳ ಮೂಲಕ ಸಂಪರ್ಕಿತವಾಗಿವೆ (ಬೆಂಬಲಿಸುತ್ತದೆ, ವಿರೋಧಿಸುತ್ತದೆ, ಖಂಡಿಸುತ್ತದೆ). ಪುನಃಪ್ರಾಪ್ತಿ ಸಂಬಂಧಿತ ನಿರ್ಧಾರಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ವೆಕ್ಟರ್ ಶೋಧದಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ, ನಂತರ ಆ ಎಡ್ಜ್ಗಳ ಮೂಲಕ ವಿಸ್ತಾರಗೊಳ್ಳುತ್ತದೆ, ಸಂಪರ್ಕವಿಲ್ಲದ ತುಂಡುಗಳ ಬದಲು ಸಂಪೂರ್ಣ, ಬೌಂಡೆಡ್ ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ ಅನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ.
ನಿರ್ಣಯ GraphRAG ಲಾಗ್ಗಳ ಮೇಲೆ ವೆಕ್ಟರ್ RAG ಗೆ ಹೇಗೆ ವಿಭಿನ್ನವಾಗಿದೆ?
ವೆಕ್ಟರ್ RAG ಪಠ್ಯದ ತುಂಡುಗಳನ್ನು (ಲಾಗ್ಗಳು, ಪಠ್ಯಗಳು, ಡಾಕ್ಯುಮೆಂಟ್ಗಳು) ಅಳವಡಿಸುತ್ತದೆ ಮತ್ತು ಶ್ರೇಣೀಬದ್ಧವಾದ ಶ್ರೇಣಿಯಲ್ಲಿನ ಅತ್ಯಂತ ಸಮಾನವಾದ ತುಂಡುಗಳನ್ನು ಹಿಂತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಆ ತುಂಡುಗಳು ಸಂಪರ್ಕವಿಲ್ಲ — ಹಿಂತೆಗೆದುಕೊಳ್ಳುವ ಉಲ್ಲೇಖವು ನಿರ್ಧಾರದ ತೀರ್ಮಾನವನ್ನು ಉಲ್ಲೇಖಿಸಬಹುದು ಆದರೆ ಅದನ್ನು Nearly ವಾಪಸ್ ಮಾಡಿದ ವಿರುದ್ಧದ ವಾದವನ್ನು, ವಿನಾಯಿತಿ ಒಪ್ಪಿಸಿದ ವ್ಯಕ್ತಿಯನ್ನು ಅಥವಾ ಅದು ಅವಲಂಬಿಸಿದ ನಿದರ್ಶನವನ್ನು ತಪ್ಪಿಸಬಹುದು. ನಿರ್ಧಾರ ಗ್ರಾಫ್ RAG ನಿರ್ಧಾರವನ್ನು ಅದರ ತರ್ಕವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಹೊಂದಿರುವ ರಚಿತ ಘಟಕವಾಗಿ ಹಿಂತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಏಕೆಂದರೆ ಸಂಬಂಧಗಳು ಮೊದಲ ಶ್ರೇಣಿಯ ಟೈಪ್ಡ್ ಎಡ್ಜ್ಗಳಂತೆ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ, ಬರವಣಿಗೆಯಲ್ಲಿ ಅಸ್ಪಷ್ಟವಾಗಿ ಬಿಟ್ಟಿಲ್ಲ.
ನಿರ್ಣಯ ಪ್ಯಾಕೆಟ್ ಎಂದರೆ ಏನು?
ನಿರ್ಣಯ ಪ್ಯಾಕೆಟ್ ಎಂದರೆ ಗ್ರಾಫ್ ನಿರ್ಣಯ ಪುನಃ ಪಡೆಯುವಿಕೆಯ ನಿರ್ಬಂಧಿತ ಔಟ್ಪುಟ್: ಪ್ರಸ್ತಾವನೆ, ಪರ/ವಿರೋಧ ವಾದ ಮರ, ಸಾಕ್ಷ್ಯ ಮತ್ತು ಅದರ ಮೂಲ, ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ ನೀತಿಗಳು, ಅದನ್ನು ಅನುಮೋದಿಸಿದ ವ್ಯಕ್ತಿಗಳು, ಮುಚ್ಚಿದ ಫಲಿತಾಂಶ ಮತ್ತು ಉಲ್ಲೇಖಿತ ಯಾವುದೇ ನಿದರ್ಶನಗಳನ್ನು ಒಳಗೊಂಡ ಒಂದು ನಿರ್ಣಯದ ಸ್ವಾಯತ್ತ, ರಚಿತ ಪ್ರತಿನಿಧಾನವಾಗಿದೆ. ಇದು ಏಕಕಾಲದಲ್ಲಿ ಏಕ ಏಜೆಂಟ್ (ಅಥವಾ ಪರಿಶೀಲಕ) ಲಾಗ್ ಸಾಲುಗಳ ಗುಂಡಿಯಿಂದ ಬದಲಾಗಿ ಪಡೆಯುವದು. AIAgentree ಸಂಗ್ರಹಿತ ನಿರ್ಣಯ ಪಥದಿಂದ ನಿರ್ಣಯ ಪ್ಯಾಕೆಟ್ಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ.
ಏಕೆ ನಿರ್ಧಾರ ಗ್ರಾಫ್ ಗ್ರಾಫ್ಆರ್ಎಜ್ಗಾಗಿ ಉತ್ತಮ ಆಧಾರವಾಗಿದೆ ಆದರೆ ಸಾಮಾನ್ಯ ಉದ್ಯಮ ಗ್ರಾಫ್ಗಳು ಅಲ್ಲ?
ಸಾಮಾನ್ಯ ಉದ್ಯಮ ಜ್ಞಾನ ಗ್ರಾಫ್ಗಳನ್ನು ಓದಲು ಕಷ್ಟವಾಗುತ್ತದೆ: ಅವು ದೊಡ್ಡದಾಗಿವೆ, ಅವುಗಳ ಅಂಚುಗಳು ಕಡಿಮೆ-ಸಿಗ್ನಲ್ ('ಸಂಬಂಧಿತ' ಯಾವುದೇ ತರ್ಕವನ್ನು ವ್ಯಕ್ತಪಡಿಸುವುದಿಲ್ಲ), ನೈಸರ್ಗಿಕ ಮೂಲ ನೋಡ್ ಇಲ್ಲ, ಮತ್ತು ವಿಸ್ತರಣೆಗಾಗಿ ಯಾವುದೇ ಸ್ಪಷ್ಟ ನಿಲ್ಲುವ ಬಿಂದು ಇಲ್ಲ. ನಿರ್ಧಾರ ಗ್ರಾಫ್ ಎಲ್ಲಾ ನಾಲ್ಕು ಸಮಸ್ಯೆಗಳನ್ನು ತಪ್ಪಿಸುತ್ತದೆ: ಪ್ರತಿ ನಿರ್ಧಾರವು ನೈಸರ್ಗಿಕ ಮೂಲ, ಅಂಚುಗಳು ಮಾನದಂಡ ಮತ್ತು ಉನ್ನತ-ಸಿಗ್ನಲ್ (ಮದ್ದೆ/ವಿರೋಧ/ಖಂಡಿತವು ವಾಸ್ತವ ತರ್ಕವನ್ನು ಒಯ್ಯುತ್ತವೆ), ಮತ್ತು ಒಬ್ಬ ನಿರ್ಧಾರದ ಉಪಗ್ರಾಫ್ ಸಣ್ಣ ಮತ್ತು ನೈಸರ್ಗಿಕವಾಗಿ ಮಿತಿಯಲ್ಲಿದೆ. ಗ್ರಾಫ್ ಈಗಾಗಲೇ 'ಊಹಿಸಿದದ್ದೇನು' ಅನ್ನು ಸಂಕೇತಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಪುನಃ ಪಡೆಯುವಿಕೆ ಏನನ್ನು ಒಳಗೊಂಡಿರಬೇಕು ಎಂಬುದನ್ನು ತಿಳಿಯುತ್ತದೆ.
ಇದು ನನ್ನ ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್ ಅಥವಾ RAG ಸ್ಟಾಕ್ ಅನ್ನು ಬದಲಾಯಿಸುತ್ತದೆಯೆ?
ಇಲ್ಲ. ವೆಕ್ಟರ್ ಶೋಧವು ನಿರ್ಧಾರ GraphRAG ನ ಒಂದು ಘಟಕ, ಇದಕ್ಕೆ ಸ್ಪರ್ಧಿಯಾಗಿಲ್ಲ — ಎಂಬೆಡಿಂಗ್ಗಳು ಸರಿಯಾದ ಪ್ರವೇಶ ಬಿಂದುಗಳನ್ನು ಕಂಡುಹಿಡಿಯುತ್ತವೆ, ನಂತರ ಗ್ರಾಫ್ ರಚನೆ ಸಂಪೂರ್ಣ ಪರಿಕಲ್ಪನೆಯನ್ನು ಪಡೆಯುತ್ತದೆ. AIAgentree ನಿಮ್ಮ ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆಗಳ ಮೇಲಿನ ನಿರ್ಧಾರ ಹಂತದಲ್ಲಿ ಮತ್ತು ನಿಮ್ಮ ದಾಖಲೆಗಳಿಗಾಗಿ ಇರುವ RAG ನಲ್ಲಿ sits. ಇದು ಆ ವ್ಯವಸ್ಥೆಗಳು ಐತಿಹಾಸಿಕವಾಗಿ ಸಂಗ್ರಹಿಸದ ಒಂದು ಕಲ್ಪನೆಯನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಪುನಃ ಪಡೆಯುತ್ತದೆ: ಸ್ವಯಂ ನಿರ್ಧಾರವನ್ನು.
ಏನು ಸಾಗಿಸಲಾಗಿದೆ?
ಈ ಪೋಸ್ಟ್ನಲ್ಲಿ ವಿವರಿಸಲಾದ ಎಲ್ಲವೂ ಸಾಗಿಸಲಾಗಿದೆ ಮತ್ತು ಜೀವಂತವಾಗಿದೆ: ಮಾನದಂಡ ನಿರ್ಧಾರ-ಚಿಹ್ನೆ ಡೇಟಾ ಮಾದರಿ, ಹೈಬ್ರಿಡ್ ಪ್ರಿಸಿಡೆಂಟ್ ಶೋಧ (ಐದು ಹಂತದ ಪೈಪ್ಲೈನ್: ವೆಕ್ಟರ್ ಶೋಧ → ರಚಿತ ಫಿಲ್ಟರ್ಗಳು → ಗ್ರಾಫ್-ಸಂದರ್ಭ ವಿಸ್ತರಣೆ → ಫಲಿತಾಂಶ-ಭಾರಿತ ಶ್ರೇಣೀಬದ್ಧತೆ → ಪ್ಯಾಕೇಜಿಂಗ್), ಪ್ರಿಸಿಡೆಂಟ್ ಉಲ್ಲೇಖ (ಹಿಂದಿನ ನಿರ್ಧಾರವನ್ನು ಪ್ರಥಮ-ಶ್ರೇಣಿಯ ವಾದವಾಗಿ ಉಲ್ಲೇಖಿಸುವುದು), ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ ಅಸೆಂಬ್ಲಿ, MCP ಮತ್ತು A2A ಮೂಲಕ ಏಜೆಂಟ್ಗಳಿಗೆ ಬಹಿರಂಗವಾಗಿ ಪುನಃಪ್ರಾಪ್ತಿಯು, ಸ್ವಾಯತ್ತ ಫಲಿತಾಂಶ ಪ್ರತಿಕ್ರಿಯೆ (ವೆಬ್ಹುಕ್ + ಪೋಲಿಂಗ್ ಇಂಗೆಷನ್), ಪ್ರಿಸಿಡೆಂಟ್ ಶ್ರೇಣೀಬದ್ಧತೆಯನ್ನು ಹೆಚ್ಚಿಸುವ ಫಲಿತಾಂಶ-ಗುಣಮಟ್ಟದ ಅಂಕಗೋಲು, ವಾದ-ಪ್ರಭಾವಶೀಲತೆಯ ಟ್ರ್ಯಾಕಿಂಗ್ (ಯಾವ ವಾದಗಳು ಉತ್ತಮ ಫಲಿತಾಂಶಗಳಿಗೆ ಕಾರಣವಾದವು), ಮತ್ತು ಸೀಲ್ನಲ್ಲಿ ಸ್ವಾಯತ್ತವಾಗಿ ಶಿಫಾರಸು ಮಾಡಿದ ಪ್ರಿಸಿಡೆಂಟ್ಗಳು. ಸಂಪೂರ್ಣ 'ಸಂಸ್ಥಾತ್ಮಕ ನೆನಪು ಫ್ಲೈವೀಲ್' ಜೀವಂತ ಮತ್ತು ಮುಚ್ಚಿದ-ಚಕ್ರವಾಗಿದೆ.
ಏಜೆಂಟ್ಗಳು ಊಹಾ ಸಮಯದಲ್ಲಿ ನಿರ್ಧಾರಗಳನ್ನು ಹೇಗೆ ಪಡೆಯುತ್ತಾರೆ?
ಮಾದರಿ ಪರಿಕಲ್ಪನೆ ಪ್ರೋಟೋಕಾಲ್ (ಎಂಸಿಪಿ) ಮತ್ತು ಏಜೆಂಟ್-ಗೆ-ಏಜೆಂಟ್ (ಎ2ಎ) ನಿಯೋಜನೆಯ ಮೂಲಕ. AIAgentree ಶೋಧನೆ-ಪೂರ್ವದರ್ಶಗಳು ಮತ್ತು get_packet ಮುಂತಾದ ಸಾಧನಗಳನ್ನು ಎಂಸಿಪಿ ಸರ್ವರ್ನಲ್ಲಿ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಏಜೆಂಟ್ ಸಂಬಂಧಿತ ಹಿಂದಿನ ನಿರ್ಧಾರಗಳನ್ನು ಕೇಳಬಹುದು ಮತ್ತು ಅದು ಯೋಚಿಸುತ್ತಿರುವಾಗ ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ಗಳನ್ನು ಇನ್ಲೈನ್ನಲ್ಲಿ ಸ್ವೀಕರಿಸುತ್ತದೆ. ಎ2ಎ ನಿಯೋಜನೆಯಲ್ಲಿ, ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ ಏಜೆಂಟ್ಗಳ ನಡುವಿನ ಸ್ವಾಯತ್ತ ಪೇಲೋಡ್ ಆಗಿದ್ದು, ಸ್ವೀಕರಿಸುವ ಏಜೆಂಟ್ ನಿರ್ಧಾರದ ಸಂಪೂರ್ಣ ಪರಿಕಲ್ಪನೆಯನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ, ಕಳುಹಿಸುವವರ ಡೇಟಾಬೇಸ್ಗೆ ಪ್ರವೇಶವಿಲ್ಲ.
ಸಂಬಂಧಿತ ವಿಷಯಗಳು
ಸಂಬಂಧಿತ ಲೇಖನಗಳು
ಎಐ ನಿರ್ಧಾರಗಳಿಗೆ ರಸೀದಿಗಳು ಅಗತ್ಯ: ಏಕೆ ನಿರ್ಧಾರ ಪತ್ತೆಹಚ್ಚುವುದು ಎಐ ಆಡಳಿತದಲ್ಲಿ ಕೊರತೆಯಿರುವ ಹಂತವಾಗಿದೆ
ಪ್ರತಿ ಹಣಕಾಸು ವ್ಯವಹಾರಕ್ಕೆ ರಸೀದಿ ದೊರಕುತ್ತದೆ. ಪ್ರತಿ ಕಾನೂನು ಒಪ್ಪಂದಕ್ಕೆ ಸಹಿ ದೊರಕುತ್ತದೆ. ಆದರೆ ಲಕ್ಷಾಂತರ ಜನರನ್ನು ಪ್ರಭಾವಿತ ಮಾಡುವ AI ನಿರ್ಧಾರಗಳು? ಕಾಣದವು. ನಿರ್ಧಾರ ಪತ್ತೆಹಚ್ಚುವುದು ಪ್ರತಿಯೊಂದು AI ನಿರ್ಧಾರದ ಹಿಂದೆ ಇರುವ WHY ಅನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವ ಮೂಲಕ ಇದನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ.
ಯುಎ ಇಎಐ ಕಾಯ್ದೆ ಲೇಖನ 6: ನಿಮ್ಮ ಎಐ ಏಜೆಂಟ್ಗಳಿಗೆ ಉನ್ನತ-ಆಪತ್ತು ವರ್ಗೀಕರಣವು ಏನು ಅರ್ಥವಾಗುತ್ತದೆ
ಯುರೋಪಿಯನ್ ಯೂನಿಯನ್ ಎಐ ಕಾಯ್ದೆಯ 6ನೇ ಲೇಖನವು ನಿಮ್ಮ ಎಐ ವ್ಯವಸ್ಥೆ "ಉಚ್ಚ-ಆಪತ್ತು" ಎಂದು ಪರಿಗಣಿತವಾಗುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ — ಮತ್ತು ಕಡ್ಡಾಯ ಆಡಿಟ್ ಪಥದ ಅಗತ್ಯಗಳನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ನಿಮ್ಮ ಏಜೆಂಟ್ಗಳು ಕ್ರೆಡಿಟ್, ಉದ್ಯೋಗ, ಶಿಕ್ಷಣ ಅಥವಾ ಆರೋಗ್ಯ ಸೇವೆಗಳ ಬಗ್ಗೆ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಾಗ, ನೀವು ಡಿಸೆಂಬರ್ 2027 ಕ್ಕಿಂತ ಮುಂಚೆ ಅನೇಕ III ವರ್ಗೀಕರಣವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕು.
ಎಐ ಸಂಶೋಧನಾ ಸಂಯೋಜನೆ ಎಂದರೆ ಏನು?
ಗ್ರಾಫ್ ಆಧಾರಿತ ನಿರ್ಧಾರ ಪುನಃ ಪಡೆಯುವಿಕೆ ಸಂಶೋಧನೆಯೊಂದಿಗೆ ಹೇಗೆ ಸೇರುತ್ತದೆ: ಹಲವಾರು ಮಾದರಿಗಳ ಕಂಡುಹಿಡಿತಗಳನ್ನು ಒಂದೇ ರಚಿತ, ಗುಣಲಕ್ಷಣಗೊಳಿಸಿದ ಸಂಶ್ಲೇಷಣೆಯಲ್ಲಿಗೆ ಒಟ್ಟುಗೂಡಿಸುವುದು.
AIAgentree ತಂಡ
ನಿರ್ಧಾರ ಮೂಲಸೌಕರ್ಯ
AIAgentree ತಂಡ AI ಏಜೆಂಟ್ಗಳಿಗೆ ನಿರ್ಧಾರ ಹಿಂಬಾಲಿಸುವ ಮತ್ತು ಹಿಂತಿರುಗಿಸುವ ಮೂಲಸೌಕರ್ಯವನ್ನು ನಿರ್ಮಿಸುತ್ತಿದೆ. ನಮ್ಮ ಗುರಿ AI ಯುಕ್ತಿಯನ್ನು ದೃಶ್ಯಮಾಡುವುದು, ಆಡಿಟ್ಬಲ್, ಹಿಂತಿರುಗಿಸಬಹುದಾದ ಮತ್ತು ಸುಧಾರಿತವಾಗುವಂತೆ ಮಾಡುವುದು.
ನಿಮ್ಮ ಏಜೆಂಟ್ಗಳಿಗೆ ಹಿಂತಿರುಗಿಸಲು ಯೋಗ್ಯವಾದ ಮೆಮೊರಿ ನೀಡಿ.
ನಿರ್ಧಾರಗಳನ್ನು ಲಾಗ್ಗಳಂತೆ ಅಲ್ಲ, ಗ್ರಾಫ್ಗಳಂತೆ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳಿ — ಮತ್ತು ಬೌಂಡೆಡ್ ನಿರ್ಧಾರ ಪ್ಯಾಕೆಟ್ಗಳಂತೆ ಹಿಂತಿರುಗಿಸಿ. ಉಚಿತ ತಳಿಯು ಲಭ್ಯವಿದೆ, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ಅಗತ್ಯವಿಲ್ಲ.
ಉಚಿತವಾಗಿ ಪ್ರಾರಂಭಿಸಿ