ਫੈਸਲਾ ਪੁਨਰ ਪ੍ਰਾਪਤੀ ਕੀ ਹੈ?
ਫੈਸਲਾ ਪੁਨਰ ਪ੍ਰਾਪਤੀ ਇਹ ਹੈ ਕਿ ਇਕ ਏਆਈ ਏਜੰਟ ਪਹਿਲਾਂ ਵਰਗੀਆਂ ਸਥਿਤੀਆਂ ਕਿਵੇਂ ਸੰਭਾਲੀਆਂ ਗਈਆਂ ਸਨ - ਅਤੇ ਇਸਨੂੰ ਸਿਰਫ ਇਕ ਟੁਕੜਾ ਦੀ ਬਜਾਏ ਤਰਕ ਮਿਲਦਾ ਹੈ। ਇਹ ਗ੍ਰਾਫਰਾਗ ਫੈਸਲਿਆਂ ਲਈ ਹੈ: ਇਕ ਨਿਯਮਤ ਦਲੀਲ ਗ੍ਰਾਫ ਉੱਤੇ ਪੁਨਰ ਪ੍ਰਾਪਤੀ ਜਿਸ ਵਿੱਚ ਹਰੇਕ ਫੈਸਲੇ ਨੂੰ ਦਲੀਲਾਂ, ਸਬੂਤ ਅਤੇ ਪੂਰਵਜਾਂ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ ਜਿਸ ਨੇ ਇਸਨੂੰ ਢਾਲਿਆ। ਇਕ ਪਾਈਲ ਮੈਚਿੰਗ ਲਾਗ ਲਾਈਨਾਂ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਇਕ ਬਾਊਂਡਡ, ਆਡਿਟ ਕੀਤਾ ਗਿਆ ਫੈਸਲਾ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ ਜਿਸ ਵਿੱਚ ਇਸਦਾ ਤਰਕ ਸਾਫ ਹੁੰਦਾ ਹੈ।
ਫੈਸਲਾ ਪੁਨਰ ਪ੍ਰਾਪਤੀ = ਪਿਛਲੇ ਫੈਸਲਿਆਂ ਨੂੰ ਟੈਕਸਟ ਟੁਕੜਿਆਂ ਦੀ ਬਜਾਏ ਪੂਰੀਆਂ ਇਕਾਈਆਂ ਵਜੋਂ ਪ੍ਰਾਪਤ ਕਰਨਾ। ਸਬਸਟ੍ਰੇਟ ਇਕ ਗ੍ਰਾਫ ਹੈ: ਫੈਸਲੇ ਪ੍ਰੋ/ਕਾਨ ਦਲੀਲਾਂ, ਸਬੂਤ ਅਤੇ ਪੂਰਵਜਾਂ ਨਾਲ ਟਾਈਪ ਕੀਤੇ ਗਏ ਕਿਨਾਰਿਆਂ ਦੁਆਰਾ ਜੁੜੇ ਹੋਏ ਹਨ। ਪੁਨਰ ਪ੍ਰਾਪਤੀ ਹਾਈਬ੍ਰਿਡ ਹੈ — ਵੈਕਟਰ ਖੋਜ ਸੰਬੰਧਿਤ ਫੈਸਲਿਆਂ ਨੂੰ ਲੱਭਦੀ ਹੈ, ਫਿਰ ਗ੍ਰਾਫ ਵਿਸਤਾਰ ਪੂਰੇ ਸੰਦਰਭ ਨੂੰ ਲੱਭਦਾ ਹੈ — ਅਤੇ ਆਉਟਪੁੱਟ ਇਕ ਫੈਸਲਾ ਪੈਕਟ ਹੈ। ਇਹ ਲਾਗਾਂ ਉੱਤੇ ਵੈਕਟਰ-ਸਿਰਫ RAG ਨੂੰ ਹਰਾਉਂਦਾ ਹੈ, ਜੋ ਕਿ ਕਾਊਂਟਰਾਰਗੂਮੈਂਟ ਅਤੇ ਪੂਰਵਜ ਨੂੰ ਛੱਡ ਕੇ ਵੱਖ-ਵੱਖ ਟੁਕੜਿਆਂ ਨੂੰ ਵਾਪਸ ਕਰਦਾ ਹੈ।
ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਬਨਾਮ ਵੈਕਟਰ RAG ਓਵਰ ਲਾਗ
ਇੱਕ ਏਜੰਟ ਨੂੰ ਯਾਦਦਾਸ਼ਤ ਦੇਣ ਦਾ ਮੁੱਢਲਾ ਤਰੀਕਾ ਵੈਕਟਰ RAG ਹੈ: ਹਰ ਚੀਜ਼ ਨੂੰ ਐਂਬੇਡ ਕਰੋ, ਸਭ ਤੋਂ ਵਧੀਆ ਮੇਲ ਖਾਂਦੇ ਟੁਕੜਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰੋ, ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰੋਮਪਟ ਵਿੱਚ ਚਿਪਕਾਓ। ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ। ਫੈਸਲਿਆਂ ਲਈ ਇਹ ਸੰਰਚਨਾਤਮਕ ਤੌਰ 'ਤੇ ਅਸਫਲ ਰਹਿੰਦਾ ਹੈ, ਕਿਉਂਕਿ ਇੱਕ ਫੈਸਲਾ ਇੱਕ ਅਨੁਚਿਹਨ ਨਹੀਂ ਹੈ - ਇਹ ਸਬੰਧਾਂ ਦਾ ਇੱਕ ਛੋਟਾ ਜਾਲ ਹੈ: ਇੱਕ ਪ੍ਰਸਤਾਵ, ਇਸ ਦੇ ਹੱਕ ਵਿੱਚ ਅਤੇ ਇਸ ਦੇ ਵਿਰੁੱਧ ਦਲੀਲਾਂ, ਹਰੇਕ ਨੇ ਕਿਹੜੀ ਸਬੂਤ 'ਤੇ ਭਰੋਸਾ ਕੀਤਾ, ਕਿਸ ਨੇ ਕਿਸੇ ਵੀ ਅਪਵਾਦ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ, ਅਤੇ ਕਿਹੜੇ ਪਿਛਲੇ ਕੇਸ ਦੀ ਪਾਲਣਾ ਕੀਤੀ।
ਇਸਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਸਮਤਲ ਕਰੋ ਅਤੇ ਐਂਬੇਡ ਕਰੋ, ਅਤੇ ਪ੍ਰਾਪਤੀ ਟੁੱਕੜਿਆਂ ਨੂੰ ਵਾਪਸ ਕਰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਸਬੰਧ ਕੱਟੇ ਹੋਏ ਹਨ - ਦਲੀਲ ਤੋਂ ਬਿਨਾਂ ਨਤੀਜਾ, ਤਰਕ ਤੋਂ ਬਿਨਾਂ ਮਨਜ਼ੂਰੀ, ਪਿਛਲੇ ਕੇਸ ਦਾ ਜ਼ਿਕਰ ਪਿਛਲੇ ਕੇਸ ਦੇ ਆਪਣੇ ਆਪ ਤੋਂ ਬਿਨਾਂ। ਅਭਿਆਸੀਆਂ ਨੂੰ ਇਸ ਨੂੰ "ਟੁਕੜਾ ਸੂਪ" ਕਹਿੰਦੇ ਹਨ। ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਇਸ ਤੋਂ ਬਚਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਫੈਸਲਾ ਇੱਕ ਸੰਰਚਿਤ ਇਕਾਈ ਵਜੋਂ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ, ਕਿਉਂਕਿ ਸਬੰਧ ਪਹਿਲੀ-ਸ਼੍ਰੇਣੀ ਦੇ ਕਿਨਾਰਿਆਂ ਵਜੋਂ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਨਾ ਕਿ ਪ੍ਰੋਜ਼ ਵਿੱਚ ਅਣਗਿਣਤ ਛੱਡ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ।
ਗਰਾਫ: ਨਿਯਮਤ ਕਿਨਾਰੇ, ਨਾ ਕਿ ਵਰਣਨਾਤਮਕ ਇੱਕ
ਜਨਰਿਕ ਗਿਆਨ ਗਰਾਫ ਵਰਣਨਾਤਮਕ ਕਿਨਾਰੇ ਸਟੋਰ ਕਰਦੇ ਹਨ - "ਜ਼ਿਕਰ ਕਰਦੇ ਹਨ", "ਨਾਲ ਸਬੰਧਤ" - ਜੋ ਕਹਿੰਦੇ ਹਨ ਕਿ ਦੋ ਚੀਜ਼ਾਂ ਜੁੜੀਆਂ ਹੋਈਆਂ ਹਨ ਪਰ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਸੀ। ਇੱਕ ਫੈਸਲਾ ਗਰਾਫ ਨਿਯਮਤ ਕਿਨਾਰੇ ਸਟੋਰ ਕਰਦਾ ਹੈ: ਸਮਰਥਨ, ਵਿਰੋਧ, ਖਾਰਿਜ, ਯੋਗਤਾ। ਕਿਉਂਕਿ ਕਿਨਾਰਾ ਕਿਸਮ ਹੈ ਤਰਕ, ਗਰਾਫ ਪਹਿਲਾਂ ਹੀ ਕੋਡਿਤ ਕਰਦਾ ਹੈ ਕਿ ਫੈਸਲੇ ਵਿੱਚ ਕੀ ਭਾਰ ਸਹਿਣ ਕਰ ਰਿਹਾ ਸੀ।
ਇਹ ਵੀ ਇਸਲਈ ਹੈ ਕਿ ਇੱਕ ਫੈਸਲਾ ਗਰਾਫ ਇੱਕ ਅਸਧਾਰਨ ਤੌਰ 'ਤੇ ਚੰਗਾ GraphRAG ਸਬਸਟ੍ਰੇਟ ਹੈ ਜਿੱਥੇ ਆਮ ਉੱਦਮ ਗਰਾਫ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ। ਜਨਰਿਕ ਗਰਾਫ ਬਹੁਤ ਵੱਡੇ ਹਨ, ਉਨ੍ਹਾਂ ਦੇ ਕਿਨਾਰੇ ਨੀਵੇਂ-ਸੰਕੇਤ ਵਾਲੇ ਹਨ, ਕੋਈ ਕੁਦਰਤੀ ਜੜ੍ਹ ਨੋਡ ਨਹੀਂ ਹੈ, ਅਤੇ ਟ੍ਰੈਵਰਸਲ ਦਾ ਕੋਈ ਸਪੱਸ਼ਟ ਰੁਕਣ ਵਾਲਾ ਬਿੰਦੂ ਨਹੀਂ ਹੈ। ਇੱਕ ਫੈਸਲਾ ਗਰਾਫ ਦੇ ਉਲਟ ਗੁਣ ਹਨ: ਹਰੇਕ ਫੈਸਲਾ ਇੱਕ ਕੁਦਰਤੀ ਜੜ੍ਹ ਹੈ, ਕਿਨਾਰੇ ਅਸਲ ਤਰਕ ਲੈ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਇੱਕ ਫੈਸਲੇ ਦਾ ਉਪ-ਗਰਾਫ ਛੋਟਾ ਅਤੇ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਬੰਨਿਆ ਹੋਇਆ ਹੈ - ਇਸਦੇ ਦਲੀਲਾਂ, ਸਬੂਤ ਅਤੇ ਹਵਾਲੇ ਕੀਤੇ ਪਿਛਲੇ ਕੇਸਾਂ ਤੱਕ ਵਿਸਤਾਰਿਤ ਕਰੋ, ਫਿਰ ਰੁਕੋ।
ਕਿਵੇਂ ਹਾਈਬ੍ਰਿਡ ਵੈਕਟਰ-ਪਲਸ-ਗਰਾਫ ਪ੍ਰਾਪਤੀ ਕੰਮ ਕਰਦੀ ਹੈ
ਵੈਕਟਰ ਅਤੇ ਗਰਾਫ ਇੱਥੇ ਵਿਰੋਧੀ ਨਹੀਂ ਹਨ - ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਵੈਕਟਰਾਂ ਦੀ ਵਰਤੋਂ ਦਾਖਲ ਬਿੰਦੂ ਲੱਭਣ ਲਈ ਕਰਦੀ ਹੈ ਅਤੇ ਗਰਾਫ ਸੰਰਚਨਾ ਨੂੰ ਪੂਰੇ ਸੰਦਰਭ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ। ਅਭਿਆਸ ਵਿੱਚ ਇਹ ਇੱਕ ਪਾਈਪਲਾਈਨ ਹੈ: (1) ਫੈਸਲੇ ਅਤੇ ਦਲੀਲ ਐਂਬੇਡਿੰਗਾਂ 'ਤੇ ਵੈਕਟਰ ਖੋਜ ਕੁਝ ਪ੍ਰਸੰਗਿਕ ਪਿਛਲੇ ਫੈਸਲਿਆਂ ਨੂੰ ਲੱਭਦੀ ਹੈ; (2) ਸੰਰਚਿਤ ਫਿਲਟਰ ਸ਼੍ਰੇਣੀ, ਐਂਟੀਟੀ ਕਿਸਮ, ਅਤੇ ਪਿਛਲੇ ਪਰਿਪੱਕਤਾ ਦੁਆਰਾ ਸੰਕੀਰਨ ਕਰਦੇ ਹਨ ਤਾਂ ਜੋ ਤੁਸੀਂ ਖਰੜੇ ਦੀ ਬਜਾਏ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਕੇਸ ਪ੍ਰਾਪਤ ਕਰੋ; (3) ਗਰਾਫ ਵਿਸਤਾਰ ਹਰੇਕ ਫੈਸਲੇ ਦੇ ਦਲੀਲਾਂ ਅਤੇ ਸਬੂਤ ਨੂੰ ਖਿੱਚਣ ਲਈ ਨਿਯਮਤ ਕਿਨਾਰਿਆਂ 'ਤੇ ਚਲਦਾ ਹੈ; (4) ਨਤੀਜਾ-ਭਾਰਿਤ ਰੈਂਕਿੰਗ ਉਨ੍ਹਾਂ ਪਿਛਲੇ ਕੇਸਾਂ ਨੂੰ ਉੱਪਰ ਤੋਂ ਰੱਖਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਦੇ ਨਤੀਜੇ ਚੰਗੇ ਤੌਰ 'ਤੇ ਨਿਕਲੇ ਸਨ; (5) ਨਤੀਜੇ ਫੈਸਲਾ ਪੈਕਟਸ ਵਿੱਚ ਪੈਕੇਜ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
ਗਹਿਰਾਈ, ਨੋਡ ਗਿਣਤੀ ਅਤੇ ਸਮੇਂ 'ਤੇ ਸਖ਼ਤ ਸੀਮਾਵਾਂ ਵਿਸਤਾਰ ਨੂੰ ਦੌੜਨ ਤੋਂ ਰੋਕਦੀਆਂ ਹਨ। ਆਉਟਪੁੱਟ ਕਦੇ ਵੀ ਟੋਕਨਾਂ ਦੀ ਕੰਧ ਨਹੀਂ ਹੈ - ਇਹ ਪੂਰੇ, ਤੁਲਨਾਤਮਕ ਫੈਸਲਿਆਂ ਦਾ ਇੱਕ ਛੋਟਾ ਸਮੂਹ ਹੈ।
ਏਜੰਟਾਂ ਲਈ ਪ੍ਰਾਪਤੀ: MCP ਅਤੇ A2A
ਯਾਦਦਾਸ਼ਤ ਸਿਰਫ਼ ਤਦੋਂ ਹੀ ਉਪਯੋਗੀ ਹੈ ਜੇ ਇੱਕ ਏਜੰਟ ਇਸਨੂੰ ਤਰਕ ਕਰਦੇ ਸਮੇਂ ਪਹੁੰਚ ਸਕੇ। ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਨੂੰ ਏਜੰਟਾਂ ਨੂੰ ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਮਾਡਲ ਸੰਦਰਭ ਪ੍ਰੋਟੋਕੋਲ (MCP) ਦੇ ਉੱਪਰ, ਅਜਿਹੇ ਸੰਦਾਂ ਜਿਵੇਂ ਕਿ search_precedents ਅਤੇ get_packet ਇੱਕ ਏਜੰਟ ਨੂੰ ਪ੍ਰਸੰਗਿਕ ਪਿਛਲੇ ਫੈਸਲਿਆਂ ਲਈ ਪੁੱਛਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ ਅਤੇ ਫੈਸਲਾ ਪੈਕਟਸ ਨੂੰ ਆਪਣੇ ਆਪ ਨੂੰ, ਅੱਧ-ਤਰਕ ਵਿੱਚ, ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ - ਅਤੇ ਲਿਖਣ ਵਾਲਾ ਰਸਤਾ ਵੀ MCP ਉੱਤੇ ਕੰਮ ਕਰਦਾ ਹੈ: ਇੱਕ ਏਜੰਟ ਇੱਕ ਟ੍ਰੈਸ ਬਣਾ ਸਕਦਾ ਹੈ, ਆਪਣੇ ਤਰਕ ਨੂੰ ਰਿਕਾਰਡ ਕਰ ਸਕਦਾ ਹੈ, ਫੈਸਲੇ ਨੂੰ ਸੀਲ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਤੁਰੰਤ ਨਤੀਜਿਆਂ ਵਾਲੇ ਫੈਸਲਾ ਪੈਕਟ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ, ਅੰਤ ਤੋਂ ਅੰਤ, ਕਿਸੇ ਐਸਡੀਕੇ ਤੋਂ ਬਿਨਾਂ। ਏਜੰਟ-ਟੂ-ਏਜੰਟ (A2A) ਵਿੱਚ ਪ੍ਰਭਾਵ ਸੌਂਪਣ 'ਤੇ, ਫੈਸਲਾ ਪੈਕਟ ਪੇਲੋਡ ਹੈ ਜੋ ਏਜੰਟਾਂ ਵਿਚਕਾਰ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ - ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲਾ ਏਜੰਟ ਕਿਸੇ ਵੀ ਡਾਟਾਬੇਸ ਤੱਕ ਪਹੁੰਚ ਤੋਂ ਬਿਨਾਂ ਫੈਸਲੇ ਦਾ ਪੂਰਾ, ਸਵੈ-ਸਮੱਤ ਸੰਦਰਭ ਵਿਰਾਸਤ ਵਿੱਚ ਲੈਂਦਾ ਹੈ। ਪੈਕਟ ਡਿਜ਼ਾਈਨ ਦੁਆਰਾ ਪੋਰਟੇਬਲ ਹੈ, ਜੋ ਇਸ ਨੂੰ ਇੱਕ ਭਰੋਸੇ ਦੀ ਹੱਦ ਵਿੱਚ ਪਾਸ ਕਰਨ ਲਈ ਸੁਰੱਖਿਅਤ ਬਣਾਉਂਦਾ ਹੈ।
ਕਿਵੇਂ ਏਆਈ ਏਜੰਟਰੀ ਫੈਸਲਾ ਪੁਨਰ ਪ੍ਰਾਪਤੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ
ਏਆਈ ਏਜੰਟਰੀ ਫੈਸਲਿਆਂ ਨੂੰ ਇਕ ਨਿਯਮਤ ਗ੍ਰਾਫ ਵਜੋਂ ਸਟੋਰ ਕਰਦੀ ਹੈ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਬਾਊਂਡਡ ਪੈਕਟਾਂ ਵਜੋਂ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ। ਪੁਨਰ ਪ੍ਰਾਪਤੀ ਸਬਸਟ੍ਰੇਟ ਸ਼ਿਪ ਕੀਤੀ ਗਈ ਹੈ ਅਤੇ ਵਰਤੋਂ ਵਿਚ ਹੈ:
ਹਾਈਬ੍ਰਿਡ ਪੂਰਵ-ਉਦਾਹਰਨ ਖੋਜ
ਇੱਕ ਪੰਜ-ਕਦਮ ਪਾਈਪਲਾਈਨ — ਵੈਕਟਰ ਖੋਜ, ਸੰਰਚਿਤ ਫਿਲਟਰ, ਗ੍ਰਾਫ-ਸੰਦਰਭ ਵਿਸਤਾਰ, ਨਤੀਜਾ-ਭਾਰਿਤ ਦਰਜਾਬੰਦੀ, ਪੈਕੇਜਿੰਗ — ਪਿਛਲੇ ਫੈਸਲਿਆਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਤਰਕ ਨਾਲ ਜੁੜੇ ਹੋਏ, ਟੁਕੜਿਆਂ ਦੇ ਸੂਪ ਦੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।
ਫੈਸਲਾ ਪੈਕਟਸ
ਪ੍ਰਾਪਤੀ ਇੱਕ ਬਾਊਂਡ, ਸਵੈ-ਸਮੱਬੰਧਿਤ ਰਿਕਾਰਡ ਨੂੰ ਇੱਕ ਫੈਸਲੇ — ਪ੍ਰਸਤਾਵ, ਪ੍ਰੋ/ਕਾਨ ਬਹਿਸਾਂ, ਸਬੂਤ, ਨੀਤੀਆਂ, ਮਨਜ਼ੂਰੀਆਂ, ਨਤੀਜਾ, ਅਤੇ ਹਵਾਲਾ ਦਿੱਤੇ ਪੂਰਵ-ਉਦਾਹਰਨਾਂ ਦੇ ਨਾਲ ਲਿਆਉਂਦੀ ਹੈ।
ਪੂਰਵ-ਉਦਾਹਰਨ ਹਵਾਲਾ
ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਪੂਰਵ-ਉਦਾਹਰਨ ਨੂੰ ਇੱਕ ਨਵੇਂ ਫੈਸਲੇ ਵਿੱਚ ਇੱਕ ਪਹਿਲੀ-ਸ਼੍ਰੇਣੀ ਦੇ ਤਰਕ ਵਜੋਂ ਹਵਾਲਾ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਸਥਿਰਤਾ ਯਾਦਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਬਜਾਏ ਇਕੱਠੀ ਹੋ ਜਾਵੇ।
ਏਜੰਟ-ਮੂਲ ਪਹੁੰਚ (MCP + A2A)
ਏਜੰਟ MCP ਸੰਦਾਂ ਉੱਤੇ ਫੈਸਲੇ ਰਿਕਾਰਡ ਕਰਦੇ ਹਨ ਅਤੇ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ — ਪੂਰਾ ਬਣਾਉਣ, ਸੀਲ ਕਰਨ, ਅਤੇ ਪੈਕਟ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਜੀਵਨ ਚਕਰ ਕੋਈ SDK ਤੋਂ ਬਿਨਾਂ — ਅਤੇ ਫੈਸਲਾ ਪੈਕਟ ਏਜੰਟ-ਟੂ-ਏਜੰਟ ਵਿਕਲਪ ਵਿੱਚ ਪੇਲੋਡ ਵਜੋਂ ਯਾਤਰਾ ਕਰਦੇ ਹਨ।
ਫੈਸਲਾ ਟ੍ਰੇਸਿੰਗ ਉੱਤੇ ਸਬਸਟ੍ਰੇਟ ਤੋਂ ਪੁਨਰ ਪ੍ਰਾਪਤੀ ਕਰਨ ਵਾਲੀ ਜਾਂ ਏਆਈ ਫੈਸਲਿਆਂ ਲਈ ਗ੍ਰਾਫਰਾਗ ਵਿਚ ਡੂੰਘੀ ਤਕਨੀਕੀ ਇਲਾਜ ਵੇਖੋ।
ਅਕਸਰ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲ
ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਕੀ ਹੈ?
ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਪਿਛਲੇ ਏਆਈ ਫੈਸਲਿਆਂ ਨੂੰ ਪੂਰੇ, ਸੰਰਚਿਤ ਇਕਾਈਆਂ ਵਜੋਂ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ, ਨਾ ਕਿ ਅਲੱਗ-ਥਲੱਗ ਟੈਕਸਟ ਟੁਕੜਿਆਂ ਵਜੋਂ। ਇਹ ਗ੍ਰਾਫਆਰਏਜੀ ਦਾ ਇੱਕ ਰੂਪ ਹੈ: ਸਬਸਟਰੇਟ ਹਰ ਫੈਸਲੇ ਨੂੰ ਜੋੜਨ ਵਾਲਾ ਇੱਕ ਨਾਰਮੇਟਿਵ ਤਰਕ ਗ੍ਰਾਫ ਹੈ, ਜੋ ਇਸਨੂੰ ਢਾਲਣ ਵਾਲੇ ਤਰਕ, ਸਬੂਤ ਅਤੇ ਪਹਿਲੇ ਕਾਰਨਾਂ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ, ਅਤੇ ਆਉਟਪੁੱਟ ਇੱਕ ਬਾਊਂਡਡ ਡਿਸੀਜ਼ਨ ਪੈਕੇਟ ਹੈ - ਸਿਰਫ ਇੱਕ ਟੁਕੜੇ ਦੀ ਬਜਾਏ ਤਰਕ।
ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਵੈਕਟਰ ਆਰਏਜੀ ਤੋਂ ਕਿਵੇਂ ਵੱਖਰੀ ਹੈ?
ਵੈਕਟਰ ਆਰਏਜੀ ਟੈਕਸਟ ਨੂੰ ਦਬਾਉਂਦਾ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਮੇਲ ਖਾਂਦੇ ਟੁਕੜਿਆਂ ਨੂੰ ਵਾਪਸ ਕਰਦਾ ਹੈ - ਅਲੱਗ-ਥਲੱਗ ਟੁਕੜੇ ਜੋ ਇੱਕ ਫੈਸਲੇ ਦੇ ਨਤੀਜੇ ਦਾ ਹਵਾਲਾ ਦੇ ਸਕਦੇ ਹਨ, ਪਰ ਵਿਰੋਧੀ ਤਰਕ, ਮਨਜ਼ੂਰ ਕਰਨ ਵਾਲੇ ਅਤੇ ਪਹਿਲੇ ਕਾਰਨ ਨੂੰ ਮਿਸ ਕਰ ਸਕਦੇ ਹਨ ਜਿਸ 'ਤੇ ਇਹ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਫੈਸਲਾ ਨੂੰ ਇਸਦੇ ਤਰਕ ਸਹਿਤ ਵਾਪਸ ਕਰਦੀ ਹੈ, ਕਿਉਂਕਿ ਸਬੰਧ ਪ੍ਰੋਜ਼ ਵਿੱਚ ਅਣਗਿਣਤ ਨਹੀਂ ਬਲਕਿ ਪਹਿਲੀ-ਸ਼੍ਰੇਣੀ ਦੇ ਟਾਈਪ ਕੀਤੇ ਕਿਨਾਰਿਆਂ ਵਜੋਂ ਸਟੋਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਵੈਕਟਰ ਖੋਜ ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਦਾ ਇੱਕ ਹਿੱਸਾ ਹੈ, ਇਸਦਾ ਮੁਕਾਬਲਾ ਨਹੀਂ।
ਗ੍ਰਾਫਆਰਏਜੀ ਕੀ ਹੈ?
ਗ੍ਰਾਫਆਰਏਜੀ (ਗ੍ਰਾਫ-ਵਧਾਰਿਆ ਪ੍ਰਾਪਤੀ-ਵਧਾਰਿਆ ਪੈਦਾਵਾਰ) ਟੈਕਸਟ ਟੁਕੜਿਆਂ ਦੀ ਸਮਾਨਤਾ ਦੁਆਰਾ ਸਿਰਫ ਰੈਂਕ ਕਰਨ ਦੀ ਬਜਾਏ ਗਿਆਨ ਗ੍ਰਾਫ ਦੁਆਰਾ ਸੰਦਰਭ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਫੈਸਲਿਆਂ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ, ਗ੍ਰਾਫ ਇੱਕ ਨਾਰਮੇਟਿਵ ਤਰਕ ਗ੍ਰਾਫ ਹੈ, ਅਤੇ ਪ੍ਰਾਪਤੀ ਹਾਈਬ੍ਰਿਡ ਹੈ: ਵੈਕਟਰ ਖੋਜ ਸੰਬੰਧਿਤ ਫੈਸਲਿਆਂ ਨੂੰ ਲੱਭਦੀ ਹੈ, ਫਿਰ ਗ੍ਰਾਫ ਵਿਸਤਾਰ ਪੂਰੇ, ਬਾਊਂਡ ਸੰਦਰਭ ਨੂੰ ਲੱਭਦਾ ਹੈ।
ਇੱਕ ਡਿਸੀਜ਼ਨ ਪੈਕੇਟ ਕੀ ਹੈ?
ਇੱਕ ਡਿਸੀਜ਼ਨ ਪੈਕੇਟ ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਦਾ ਬਾਊਂਡ ਆਉਟਪੁੱਟ ਹੈ: ਇੱਕ ਫੈਸਲੇ ਦਾ ਇੱਕ ਸਵੈ-ਸਮਰੱਥ ਰਿਕਾਰਡ ਜਿਸ ਵਿੱਚ ਪ੍ਰਸਤਾਵ, ਪ੍ਰੋ/ਕਾਨ ਤਰਕ ਦਾ ਰੁੱਖ, ਸਬੂਤ ਅਤੇ ਇਸਦਾ ਮੂਲ, ਮੁਲਾਂਕਣ ਕੀਤੇ ਗਏ ਨੀਤੀਆਂ, ਮਨਜ਼ੂਰੀਆਂ, ਸੀਲ ਕੀਤੇ ਗਏ ਨਤੀਜੇ ਅਤੇ ਕਿਸੇ ਵੀ ਪਹਿਲੇ ਕਾਰਨਾਂ ਦਾ ਹਵਾਲਾ ਸ਼ਾਮਲ ਹੈ। ਇਹ ਉਹ ਹੈ ਜੋ ਇੱਕ ਏਜੰਟ ਜਾਂ ਆਡੀਟਰ ਲਾਗ ਲਾਈਨਾਂ ਦੇ ਢੇਰ ਦੀ ਬਜਾਏ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।
ਕੀ ਇੱਕ ਡਿਸੀਜ਼ਨ ਪੈਕੇਟ ਚੇਨ-ਆਫ-ਥੌਟ ਆਉਟਪੁੱਟ ਨੂੰ ਸਟੋਰ ਕਰਨ ਨਾਲੋਂ ਵਧੀਆ ਹੈ?
ਉਹ ਵੱਖ-ਵੱਖ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਦੇ ਹਨ - ਪੈਕੇਟ ਬਿਹਤਰ ਰਿਕਾਰਡ-ਰੱਖਿਅਕ ਹੈ, ਬਿਹਤਰ ਤਰਕ ਨਹੀਂ। ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਚੇਨ-ਆਫ-ਥੌਟ ਪ੍ਰੋਜ਼ ਹੈ: ਇਸਨੂੰ ਕੁਏਰੀ ਕਰਨਾ ਮਤਲਬ ਹਰ ਟ੍ਰੇਸ ਨੂੰ ਇੱਕ ਐਲਐਲਐਮ ਨਾਲ ਦੁਬਾਰਾ ਪਾਰਸ ਕਰਨਾ ਹੈ, ਇਸ ਵਿੱਚ ਕੋਈ ਨਤੀਜਾ ਫੀਲਡ ਨਹੀਂ ਹੈ ਜਿਸ 'ਤੇ ਜੋੜਨਾ ਹੈ, ਅਤੇ ਇੱਕ ਸੰਪਾਦਨਯੋਗ ਟੈਕਸਟ ਬਲਾਬ ਕੋਈ ਕਮਿਟ ਪੁਆਇੰਟ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦਾ ਜਿਸ 'ਤੇ ਇੱਕ ਸਮੀਖਿਅਕ ਭਰੋਸਾ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਡਿਸੀਜ਼ਨ ਪੈਕੇਟ ਉਹੀ ਤਰਕ ਇੱਕ ਵਾਰ ਸਟਰਕਟਰ ਕਰਦਾ ਹੈ, ਮੋਹਰ ਲਗਾਉਣ 'ਤੇ: ਸਟੈਂਸ-ਟਾਈਪਡ ਪ੍ਰੋ/ਕਾਨ ਤਰਕ ਨਿਸ਼ਚਿਤ ਗ੍ਰਾਫ ਕੁਏਰੀਜ਼ ਬਣ ਜਾਂਦੇ ਹਨ, ਫੈਸਲੇ ਰਿਕਾਰਡ ਕੀਤੇ ਗਏ ਨਤੀਜਿਆਂ ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ ਤਾਂ ਜੋ ਪ੍ਰਾਪਤੀ ਨਤੀਜਾ-ਭਾਰੀ ਹੋਵੇ, ਪਹਿਲੇ ਕਾਰਨ ਨਵੇਂ ਫੈਸਲਿਆਂ ਵਿੱਚ ਹਵਾਲਾ ਦਿੱਤੇ ਗਏ ਤਰਕ ਦੇ ਨੋਡਾਂ ਬਣ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਹੈਸ਼-ਚੇਨਡ, ਸੀਲ ਕੀਤੇ ਗਏ, ਦਸਤਖਤ ਕੀਤੇ ਗਏ ਰਿਕਾਰਡ - ਏਜੰਟ-ਟੂ-ਏਜੰਟ ਡੈਲੀਗੇਸ਼ਨ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਦੀਆਂ ਹੱਦਾਂ ਸਮੇਤ ਸਬੂਤ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਕੋਈ ਵੀ ਫਾਰਮੈਟ ਮਾਡਲ ਦੇ ਤਰਕ ਨੂੰ ਵਧੇਰੇ ਵਫ਼ਾਦਾਰ ਨਹੀਂ ਬਣਾਉਂਦਾ; ਪੈਕੇਟ ਦਾ ਕਹਿਣਾ ਤਰਕ ਟਿਕਾਊ, ਤੁਲਨਾਤਮਕ ਅਤੇ ਬਚਾਅ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਸਿਰਫ ਬਾਅਦ ਵਿੱਚ ਇੱਕ ਏਜੰਟ ਨੂੰ ਡੀਬੱਗ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਚੇਨ-ਆਫ-ਥੌਟ ਕਾਫੀ ਹੈ - ਪੈਕੇਟ ਉਦੋਂ ਆਪਣੀ ਸੰਰਚਨਾ ਕਮਾਉਂਦੇ ਹਨ ਜਦੋਂ ਫੈਸਲੇ ਦੀ ਤੁਲਨਾ, ਮੁੜ ਵਰਤੋਂ ਜਾਂ ਬਚਾਅ ਲਈ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
ਕੀ ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਮੇਰੇ ਵੈਕਟਰ ਡੈਟਾਬੇਸ ਜਾਂ ਦਸਤਾਵੇਜ਼ ਆਰਏਜੀ ਨੂੰ ਬਦਲਦੀ ਹੈ?
ਨਹੀਂ। ਵੈਕਟਰ ਖੋਜ ਪ੍ਰਾਪਤੀ ਪਾਈਪਲਾਈਨ ਦਾ ਪਹਿਲਾ ਕਦਮ ਹੈ, ਅਤੇ ਦਸਤਾਵੇਜ਼ ਆਰਏਜੀ ਇੱਕ ਵੱਖਰਾ ਕੰਮ ਹੈ। ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਤੁਹਾਡੇ ਮੌਜੂਦਾ ਸਟੈਕ 'ਤੇ ਬੈਠਦੀ ਹੈ ਅਤੇ ਉਸ ਇੱਕ ਕਲਾਕ੍ਰਿਤੀ ਨੂੰ ਕੈਪਚਰ ਕਰਦੀ ਹੈ ਜਿਸਨੂੰ ਉਹ ਪ੍ਰਣਾਲੀਆਂ ਸਟੋਰ ਨਹੀਂ ਕਰਦੀਆਂ: ਸੰਰਚਿਤ ਫੈਸਲਾ ਆਪਣੇ ਤਰਕ ਸਹਿਤ।
ਏਆਈ ਏਜੰਟਰੀ ਫੈਸਲਾ ਪ੍ਰਾਪਤੀ ਕਿਵੇਂ ਲਾਗੂ ਕਰਦੀ ਹੈ?
ਇੱਕ ਭੇਜੇ ਗਏ ਪੰਜ-ਕਦਮ ਪਹਿਲੇ ਕਾਰਨ-ਖੋਜ ਪਾਈਪਲਾਈਨ (ਵੈਕਟਰ ਖੋਜ, ਸੰਰਚਿਤ ਫਿਲਟਰ, ਗ੍ਰਾਫ-ਸੰਦਰਭ ਵਿਸਤਾਰ, ਨਤੀਜਾ-ਭਾਰੀ ਰੈਂਕਿੰਗ, ਪੈਕੇਜਿੰਗ), ਡਿਸੀਜ਼ਨ ਪੈਕੇਟ ਅਸੈਂਬਲੀ, ਪਹਿਲੇ ਕਾਰਨ ਦਾ ਹਵਾਲਾ ਅਤੇ ਏਜੰਟਾਂ ਨੂੰ ਐਮਸੀਪੀ ਅਤੇ ਏ2ਏ ਉੱਤੇ ਪ੍ਰਾਪਤੀ ਦਾ ਖੁਲਾਸਾ। ਸਵੈ-ਸੁਧਾਰ ਪਰਤ ਪ੍ਰਾਪਤੀ - ਪ੍ਰਾਪਤੀ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਵੈ-ਸੁਧਾਰ ਪਰਤ - ਸੜਕ ਨੇਤਰ 'ਤੇ ਹੈ।
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.
ਆਪਣੇ ਏਜੰਟਾਂ ਨੂੰ ਇਕ ਯਾਦਦਾਸ਼ਤ ਦਿਓ ਜੋ ਕੱਢਣ ਲਾਭਦਾਇਕ ਹੋਵੇ
ਫੈਸਲਿਆਂ ਨੂੰ ਇਕ ਲਾਗ ਦੀ ਬਜਾਏ ਇਕ ਗ੍ਰਾਫ ਵਜੋਂ ਸਟੋਰ ਕਰੋ — ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਏਜੰਟਾਂ ਉੱਤੇ ਤਰਕ ਕਰਨ ਲਈ ਬਾਊਂਡਡ ਫੈਸਲਾ ਪੈਕਟਸ ਵਜੋਂ ਪ੍ਰਾਪਤ ਕਰੋ।
ਮੁਫਤ ਸ਼ੁਰੂ ਕਰੋ