निर्णय पुनर्प्राप्ति क्या है?
निर्णय पुनर्प्राप्ति एक एआई एजेंट के लिए यह जानने का तरीका है कि पहले समान स्थितियों को कैसे संभाला गया था — और तर्क के साथ, न कि केवल एक स्निपेट के साथ वापस आता है। यह ग्राफआरएजी निर्णयों के लिए है: एक मानक तर्क ग्राफ पर पुनर्प्राप्ति जहां प्रत्येक निर्णय तर्कों, साक्ष्य, और पूर्ववर्तियों से जुड़ा होता है जिन्होंने इसे आकार दिया। एक मिलान लॉग लाइनों के ढेर के बजाय, आपको एक सीमित, ऑडिट करने योग्य निर्णय मिलता है जिसमें इसका तर्क सुरक्षित है।
निर्णय पुनर्प्राप्ति = पूर्ण इकाइयों के रूप में पिछले निर्णयों को पुनर्प्राप्त करना, न कि टेक्स्ट चंक्स के रूप में। सब्सट्रेट एक ग्राफ है: निर्णय समर्थन/विरोध तर्कों, साक्ष्य, और पूर्ववर्तियों से जुड़े हुए हैं जो टाइप किए गए एजेंस द्वारा जुड़े हुए हैं। पुनर्प्राप्ति हाइब्रिड है — वेक्टर खोज प्रासंगिक निर्णयों को ढूंढती है, ग्राफ विस्तार पूर्ण संदर्भ को पुनर्प्राप्त करता है — और आउटपुट एक निर्णय पैकेट है। यह वेक्टर-ओनली आरएजी को लॉग पर हराता है, जो डिस्कनेक्टेड फ्रैगमेंट्स को लौटाता है जो काउंटरआर्ग्यूमेंट और पूर्ववर्ती को छोड़ देता है।
निर्णय पुनर्प्राप्ति बनाम वेक्टर राग ओभर लोग्स
एजेन्टलाई स्मृति दिने डिफल्ट तरिका वेक्टर राग हो: सबै कुराहरूलाई एम्बेड गर्नुहोस्, शीर्ष मिलान गर्ने टुक्राहरू पुनर्प्राप्त गर्नुहोस् र तिनीहरूलाई प्रोम्प्टमा पेस्ट गर्नुहोस्। डकुमेन्ट्सको लागि यो काम गर्छ। निर्णय को लागि यो संरचनात्मक रूपमा विफल हुन्छ, किनभने निर्णय एक अनुच्छेद होइन - यो एक संबंधहरूको छोटो जाल हो: एक प्रस्ताव, त्यसको समर्थन र विरोधमा तर्क, प्रत्येकले निर्भर गरेको प्रमाण, कुनै अपवादलाई अनुमोदन गर्ने व्यक्ति, र कुन पूर्व मामलाले अनुसरण गरेको थियो।
त्यसैलाई टेक्स्टमा फ्ल्याट गर्नुहोस् र एम्बेड गर्नुहोस्, र पुनर्प्राप्ति संबंधहरू काटिएका टुक्राहरू फिर्ता दिन्छ - तर्कको बिना निष्कर्ष, तर्कको बिना अनुमोदन, एक पूर्वगामी उल्लेख पूर्वगामी नै बिना। व्यावहारिकहरूले यसलाई "चंक सुप" भन्छन्। निर्णय पुनर्प्राप्ति यसबाट बचन्छ किनभने निर्णयलाई संरचित इकाईको रूपमा पुनर्प्राप्त गर्दछ, किनभने संबंधहरू पहिलो-श्रेणीको किनाराहरू को रूपमा सङ्ग्रहित छन् न कि प्रोसमा अंतर्निहित छन्।
ग्राफ: नोर्मेटिभ किनारा, निर्देशात्मक न हुने
सामान्य ज्ञान ग्राफहरू निर्देशात्मक किनाराहरू सङ्ग्रहित गर्दछन् - "उल्लेखहरू", "संबंधित" - जो दुई कुराहरू जोडिएका छन् तर त्यो किन महत्वपूर्ण थियो भन्ने भन्दैन। एक निर्णय ग्राफ नोर्मेटिभ किनाराहरू सङ्ग्रहित गर्दछ: समर्थन, विरोध, खारेज, योग्य। किनारा प्रकार हो तर्क, ग्राफले पहिले नै निर्णयमा के भारी थियो भनेर एन्कोड गरेको छ।
त्यही कारण हो कि निर्णय ग्राफ एक असामान्य रूपमा राम्रो ग्राफराग सब्सट्रेट हो जहाँ सामान्य उद्यम ग्राफहरू संघर्ष गर्छन्। सामान्य ग्राफहरू विशाल हुन्छन्, तिनीहरूका किनाराहरू कम-संकेत हुन्छन्, कुनै प्राकृतिक रूट नोड हुँदैन, र ट्राभर्सलको कुनै स्पष्ट रोकने बिन्दु हुँदैन। एक निर्णय ग्राफले विपरीत गुणहरू छन्: प्रत्येक निर्णय एक प्राकृतिक रूट हो, किनाराहरू वास्तविक तर्क बोक्छन्, र एकल निर्णयको सबग्राफ छोटो र प्राकृतिक रूपमा सीमित छ - तर्क, प्रमाण, र उल्लेखित पूर्वगामीहरूको विस्तार गर्नुहोस्, त्यसपछि रोक्नुहोस्।
हाइब्रिड वेक्टर-प्लस-ग्राफ पुनर्प्राप्ति कसरी काम गर्छ
वेक्टर र ग्राफहरू यहाँ प्रतिद्वन्द्वी होइनन् - निर्णय पुनर्प्राप्ति वेक्टरले प्रवेश बिन्दुहरू फेला पार्न र ग्राफ संरचनाले पूर्ण संदर्भ फेला पार्न प्रयोग गर्दछ। व्यावहारिकमा यो एक पाइपलाइन हो: (1) निर्णय र तर्क एम्बेडिङहरूमा वेक्टर खोजले केही प्रासंगिक पूर्व निर्णयहरू फेला पार्दछ; (2) संरचित फिल्टरहरू श्रेणी, एण्टिटी प्रकार, र पूर्वगामी परिपक्वता द्वारा संकीर्ण गर्दछ ताकि तपाईं मान्य मामलाहरू पुनर्प्राप्त गर्नुहोस्, मसौदाहरू होइन; (3) ग्राफ विस्तारले नोर्मेटिभ किनाराहरू चाल्ने निर्णयको तर्क र प्रमाणहरू खिच्छ; (4) परिणाम-वजनको रैंकिंगले पूर्वगामीहरूलाई तार्किक रूपमा मिल्दो जसमा परिणामहरू राम्रो निस्किएका छन् जुन निस्किएका छैनन्; (5) परिणामहरू निर्णय प्याकेट मा प्याकेज गरिएका छन्।
गहिरो सीमा, नोड गणना, र समय सीमाले विस्तारलाई दौडनबाट रोक्दछ। आउटपुट कुनै पनि समयमा टोकनको दीवार हुँदैन - यो पूर्ण, तुलनात्मक निर्णयहरूको एक छोटो सेट हो।
एजेन्टको लागि पुनर्प्राप्ति: एमसीपी र ए२ए
स्मृति मात्र त्यस समय उपयोगी हुन्छ जब एजेन्ट यसको पहुँच पाउन सक्छ। निर्णय पुनर्प्राप्ति दुई तरिकाले एजेन्टलाई उजागर गरिएको छ। मोडेल कンテक्स्ट प्रोटोकल (एमसीपी) मा, search_precedents र get_packet जस्ता टुलहरू एजेन्टलाई प्रासंगिक पूर्व निर्णयहरू खोज्न र निर्णय प्याकेटहरू इनलाइन प्राप्त गर्न दिन्छन् - मध्य-तर्कमा र एमसीपी मा लेख पथ पनि काम गर्दछ: एजेन्ट एक ट्रेस बनाउन सक्छ, आफ्नो तर्क रेकर्ड गर्न सक्छ, निर्णय सील गर्न सक्छ, र तुरुन्त निर्गमाने निर्णय प्याकेट पुनर्प्राप्त गर्न सक्छ, एण्ड-टू-एण्ड, कुनै एसडीके बिना। एजेन्ट-टू-एजेन्ट (ए२ए) प्रतिनिधित्वमा, निर्णय प्याकेट एजेन्टहरू बीच पास गरिएको पेलोड हो - एक प्राप्त एजेन्ट निर्णयको पूर्ण, स्व-निहित संदर्भ विरासतमा पाउँछ बिना पठाउने व्यक्तिको डेटाबेसमा कुनै पहुँच बिना। प्याकेट डिजाइन द्वारा पोर्टेबल हुन्छ, जुन यो विश्वास सीमा पार गर्न सुरक्षित बनाउँछ।
एआई एजेंट्री निर्णय पुनर्प्राप्ति कैसे वितरित करती है
एआई एजेंट्री निर्णयों को एक मानक ग्राफ के रूप में स्टोर करती है और उन्हें सीमित पैकेट के रूप में पुनर्प्राप्त करती है। पुनर्प्राप्ति सब्सट्रेट शिप्ड और उपयोग में है:
हाइब्रिड पूर्ववर्ती खोज
पाँच चरणको पाइपलाइन — वेक्टर खोज, संरचित फिल्टर, ग्राफ-संदर्भ विस्तार, परिणाम-वजनक रैंकिंग, प्याकेजिंग — उनको तर्कसहित भूतकालीन निर्णयहरु प्राप्त गर्दछ, टुकड़ा सुपमा होइन।
निर्णय प्याकेट
पुनर्प्राप्ति एक सीमित, स्व-निहित निर्णयको रेकर्ड फेरि दिन्छ — प्रस्ताव, प्रो/विपक्ष तर्क, प्रमाण, नीतिहरु, अनुमोदन, परिणाम, र उद्धृत पूर्ववर्ती।
पूर्ववर्ती उद्धरण
पुनर्प्राप्त पूर्ववर्तीलाई एक नयाँ निर्णयमा प्रथम-श्रेणीको तर्कको रूपमा उद्धृत गर्न मिल्छ, ताकि सुसंगतता संचय हुन्छ, स्मृतिमा निर्भर नहुने।
एजेन्ट-मूल प्रवेश (एमसीपी + ए२ए)
एजेन्टहरु निर्णयहरु रेकर्ड गर्छन् र एमसीपी टुल्स — पूर्ण सिर्जना, सील, र प्याकेट प्राप्त जीवनचक्र — कुनै एसडीके विना — र निर्णय प्याकेटहरु एजेन्ट-देखि-एजेन्ट प्रतिनिधित्वमा पेलोड यात्रा गर्छन्।
सब्सट्रेट देखें जिस पर यह पुनर्प्राप्ति होती है निर्णय ट्रेसिंग पर, या गहरा तकनीकी उपचार ग्राफआरएजी एआई निर्णयों के लिए।
आमता पूछे जाने वाले प्रश्न
निर्णय पुनर्प्राप्ति के हो?
निर्णय पुनर्प्राप्ति पूर्व कृत्रिम बुद्धिमत्ता निर्णयहरूलाई पूर्ण, संरचित इकाइहरू को रूपमा पुनर्प्राप्त गर्नु हो, जस्तो कि विच्छिन्न पाठ खण्डहरू को रूपमा हoina। यो GraphRAG को एक प्रकार हो: सब्सट्रेट एक नियमन तर्क ग्राफ हो जो प्रत्येक निर्णयलाई तर्क, प्रमाण, र पूर्ववर्तीहरूलाई जोड्दछ जुन यसले आकार दिन्छ, र आउटपुट एक सीमित निर्णय प्याकेट हो — तर्क, केवल एक स्निपेट हoina।
निर्णय पुनर्प्राप्ति र वेक्टर RAG के बीच के अंतर के हो?
वेक्टर RAG पाठ र वेक्टरहरूलाई एम्बेड गर्दछ र शीर्ष मिलान गर्ने खण्डहरू फेरि दिन्छ — विच्छिन्न खण्डहरू जो निर्णयको निष्कर्षलाई उद्धृत गर्न सक्छन् तर विरोधी तर्क, अनुमोदनकर्ता, र पूर्ववर्तीहरूलाई चुकाउँछन् जुन यसले निर्भर गर्दछ। निर्णय पुनर्प्राप्ति निर्णयलाई उसको तर्कसहित फिर्ता दिन्छ, किनभने सम्बन्धहरू प्रोसमा अंतर्निहित नभई प्रथम-श्रेणीको टाइप किएको किनारहरू को रूपमा सङ्ग्रहित छन्। वेक्टर खोज निर्णय पुनर्प्राप्तिको एक घटक हो, निर्णय पुनर्प्राप्तिको प्रतिस्पर्धी हoina।
GraphRAG के हो?
GraphRAG (ग्राफ-वृद्धि पुनर्प्राप्ति-वृद्धि पीढी) ज्ञान ग्राफलाई ट्राभर्स गरेर प्राप्त गर्दछ, केवल पाठ खण्डहरूलाई समानता द्वारा रैंक गरेर नभई। निर्णयहरूमा लागू गरिएको, ग्राफ एक नियमन तर्क ग्राफ हो, र पुनर्प्राप्ति हाइब्रिड हो: वेक्टर खोज प्रासंगिक निर्णयहरू फेला पार्दछ, त्यसपछि ग्राफ विस्तार पूर्ण, सीमित संदर्भ फेला पार्दछ।
निर्णय प्याकेट के हो?
निर्णय प्याकेट निर्णय पुनर्प्राप्तिको सीमित आउटपुट हो: एक निर्णय समावेश गर्ने स्व-निहित रेकर्ड जसमा प्रस्ताव, प्रो/कोन तर्क वृक्ष, प्रमाण र उसको प्रामाणिकता, मूल्यांकन गरिएका नीतिहरू, अनुमोदन, सील गरिएको परिणाम, र कुनै पनि उद्धृत पूर्ववर्तीहरू समावेश छन्। यो एजेन्ट वा लेखापरीक्षकले लग लाइनहरूको ढेर को बजाय फिर्ता लिन्छ।
निर्णय प्याकेट चेन-ओफ-थट आउटपुट सङ्ग्रह गर्न भन्दा राम्रो हो?
तिनीहरू विभिन्न समस्याहरू समाधान गर्दछन् — प्याकेट राम्रो रेकर्ड-राख्ने हो, राम्रो तर्क हoina। सङ्ग्रहित चेन-ओफ-थट प्रोस हो: यसको प्रश्न गर्नु भनेको प्रत्येक ट्रेसलाई पुन: पार्स गर्नु हो एलएलएम संग पढ्ने समयमा, यसमा जोड्नको लागि कुनै परिणाम क्षेत्र हoina र संपादन योग्य पाठ ब्लब कुनै पनि प्रतिबद्ध बिन्दु प्रदान गर्दैन जुन समीक्षक विश्वास गर्न सक्छ। निर्णय प्याकेट एकपटक मात्र सीलमा, एकै तर्क संरचना गर्दछ: स्ट्यान्स-टाइप किएको प्रो/कोन तर्क निर्धारित ग्राफ प्रश्न बन्दछन्, निर्णयहरू रेकर्ड गरिएका परिणामहरूसंग जोडिन्छन् त्यसैले पुनर्प्राप्ति परिणाम-वजन हुन्छ, पूर्ववर्तीहरू निर्णयमा उद्धृत गरिएका तर्क नोड बन्दछन् र ह्यास-चेन, सील, हस्ताक्षर गरिएको रेकर्ड प्रमाण को रूपमा काम गर्दछ — एजेन्ट-टु-एजेन्ट डेलिगेसनमा विश्वास सीमाहरू समेत। कुनै पनि फोर्मेट मोडेलको तर्क वफादार बनाउँदैन; प्याकेट भनेको भनाएको तर्क टिकाऊ, तुलना गर्न योग्य र रक्षात्मक बनाउँछ। तपाईं केवल एजेन्टलाई पछि डिबग गर्नु पर्दछ भने, सङ्ग्रहित चेन-ओफ-थट पर्याप्त हो — प्याकेटहरू तिनीहरूको संरचना अर्जित गर्दछन् जब निर्णयहरू तुलना गर्नु पर्दछ, पुन: प्रयोग गर्नु पर्दछ वा रक्षा गर्नु पर्दछ।
निर्णय पुनर्प्राप्ति मेरो वेक्टर डेटाबेस वा डकुमेन्ट RAG को स्थान लिन्छ?
हoina। वेक्टर खोज पुनर्प्राप्ति पाइपलाइनको प्रथम चरण हो, र डकुमेन्ट RAG एक अलग काम हो। निर्णय पुनर्प्राप्ति तपाईंको विद्यमान स्ट्याक माथि बस्दछ र एकमात्र कलाकृति कैप्चर गर्दछ जुन ती प्रणालीहरूले सङ्ग्रहित गरेका थिएनन्: निर्णय स्वयं, उसको तर्कसहित पुनर्प्राप्त गर्न।
कसरी AI Agentree निर्णय पुनर्प्राप्ति लागू गर्दछ?
एक शिप्ड पाँच-चरण पूर्ववर्ती-खोज पाइपलाइन (वेक्टर खोज, संरचित फिल्टर, ग्राफ-संदर्भ विस्तार, परिणाम-वजन रैंकिंग, प्याकेजिंग), निर्णय प्याकेट असेम्बली, पूर्ववर्ती उद्धरण, र पुनर्प्राप्ति MCP र A2A मार्फत एजेन्टहरूलाई उजागर गरेर। स्वचालित परिणाम प्रतिक्रिया र क्रोस-निर्णय प्याटर्न सिंथेसिस — पुनर्प्राप्ति माथि पूर्ण रूपमा स्व-सुधार हुने स्तर — सडकमा छन्।
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 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.
अपने एजेंट्स को एक स्मृति दें जिसे पुनर्प्राप्त करने लायक है
निर्णयों को एक ग्राफ के रूप में स्टोर 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