AI முடிவுகளுக்கான GraphRAG
GraphRAG (கிராஃபை மேம்படுத்திய மீட்டல்-விரிவாக்கம்) ஒரு அறிவு கிராஃபை கடந்து செல்லும் மூலம் சூழலை மீட்டெடுக்கிறது, வெக்டர் ஒப்பீட்டால் உரை துண்டுகளை மட்டுமே தரவரிசைப்படுத்துவதற்குப் பதிலாக. AI ஏஜென்ட் முடிவுகளுக்காக, கிராஃபு ஒரு நியாயமான வாத கிராஃபு: ஆதரிக்கும் அல்லது எதிர்க்கும் வாதங்களுடன் இணைக்கப்பட்ட முடிவுகள், மேற்கோள் காட்டிய ஆதாரங்கள் மற்றும் மேற்கோள்கள், வகைப்படுத்தப்பட்ட எட்ஜ்கள் (ஆதரிக்கிறது, எதிர்க்கிறது, மறுக்கிறது) மூலம். முடிவு மீட்டல் ஒரு ஹைபிரிட் குழாயாகும் - வெக்டர் தேடல் தொடர்புடைய முடிவுகளை கண்டுபிடிக்கிறது, பின்னர் கிராஃபு விரிவாக்கம் முழுமையான, கட்டுப்படுத்தப்பட்ட சூழலைப் பெறுகிறது - மற்றும் அதன் வெளியீடு ஒரு முடிவு தொகுப்பு: ஒரு சுய-contained பதிவு, வாத மரம், ஆதாரம், கொள்கைகள், ஒப்புதல்கள், முடிவு மற்றும் முந்தைய நிலைகள். இது வெக்டர் மட்டுமே RAG-ஐ மிஞ்சுகிறது, இது எதிர்க்கருத்துகள், ஒப்புதல்கள் மற்றும் முந்தைய நிலைகளை தவிர்க்கும் இணைக்கப்படாத துண்டுகளை திருப்புகிறது. ஒரு முடிவு கிராஃபு ஒரு அசாதாரணமாக நல்ல GraphRAG அடிப்படையாக உள்ளது, ஏனெனில் ஒவ்வொரு முடிவும் ஒரு இயற்கை மூலக் கோடாகும், எட்ஜ்கள் உயர் சிக்னல் (அவை காரணங்களை கொண்டுள்ளன), மற்றும் ஒவ்வொரு முடிவின் துணைக்கிராஃபு சிறிய மற்றும் கட்டுப்படுத்தப்பட்டதாக உள்ளது. AIAgentree முழு ஸ்டாக் செயல்படுத்துகிறது: முடிவு-தடய தரவுத்தொகுப்பு, ஹைபிரிட் முந்தைய தேடல், முந்தைய மேற்கோள், முடிவு தொகுப்பு தொகுப்பு, MCP மற்றும் A2A மீட்டல், தானியங்கி முடிவு பின்னூட்டம், முடிவு-தர மதிப்பீடு, வாத-செயல்திறனை கண்காணித்தல், மற்றும் சீலின் மீது தானியங்கி-சூழ்நிலை முந்தைய நிலைகள் - முழு நிறுவன-நினைவின் பறவையை அனுப்பி வைக்கப்பட்டுள்ளது மற்றும் நேரில் உள்ளது.
கேள்வி "AI முடிவுகளை நாம் சேமிக்க வேண்டுமா?" அல்ல - இது "நாம் அவற்றை எதில் சேமிக்க வேண்டும்?" உரையாக சேமிக்கவும், நீங்கள் வெக்டர் RAG-ஐ சுண்டு சூப் பெறுகிறீர்கள். ஒரு நியாயமான வாத கிராஃபாக சேமிக்கவும், மீட்டல் ஒரு கட்டுப்படுத்தப்பட்ட, கணக்கிடக்கூடிய முடிவு தொகுப்பை திருப்புகிறது.
- •லாக் களில் வெக்டர் RAG இணைக்கப்படாத துண்டுகளை திருப்புகிறது — இது எதிர்கால வாதம், ஒப்புதல் தருபவர், முந்தைய நிலைமையை தவறவிடுகிறது
- •தீர்மான கிராஃப்RAG தீர்மானத்தை அதன் காரணத்துடன் intact பெறுகிறது, வகைப்படுத்தப்பட்ட எட்ஜ்கள் மூலம்
- •ஒரு தீர்வு வரைபடம் ஒரு அரிதான GraphRAG-perfect அடிப்படையாகும்: இயற்கை வேர் கோடுகள், உயர் சிக்னல் எட்ஜுகள், வரையறுக்கப்பட்ட துணை வரைபடங்கள்
- •அனுப்பப்பட்டது: ஹைபிரிட் முன்னணி தேடல், தீர்வு தொகுப்புகள், MCP/A2A மீட்டெடுக்கல், முடிவு பின்னூட்டம், முடிவு-எடை தரவரிசை, வாதத்தின் செயல்திறன், தானாக பரிந்துரைக்கப்படும் முன்னிலைகள் — முழு பறக்கும் சக்கரம்
உங்கள் முகவர் நீங்கள் கடைசி முறையில் எப்படி முடிவு செய்தீர்கள் என்பதை அறிய வேண்டும்.
நீங்கள் அதை ஒரு வெக்டர் சேமிப்பகத்தில் உள்ள பதிவுகளுக்கு நோக்குகிறீர்கள். இது ஆறு துண்டுகளை மீட்டெடுக்கிறது. அவற்றில் எதுவும் காரணத்தை உள்ளடக்கவில்லை.
எந்த பெயரும் வைக்காத மீட்டல் சிக்கல்
ஒவ்வொரு தீவிர முகவர் அமைப்புக்கும் இறுதியில் நினைவகம் தேவை: முந்தையதாக எவ்வாறு ஒத்த நிலைமை கையாளப்பட்டது என்பதைப் பார்க்கும் திறன் மற்றும் ஒரே மாதிரியான செயல்பாடுகளை மேற்கொள்வது. 2026 இல் இயல்பான பதில் வெக்டர் RAG — அனைத்தையும் உள்ளீடு செய்யவும், மிகச் சமமான பகுதிகளைப் பெறவும், அவற்றைப் பின்னணி ஜன்னலுக்குள் நிரப்பவும்.
ஆவணங்களுக்கு, அது வேலை செய்கிறது. முடிவுகள்க்கு, அது அமைதியாக தோல்வி அடைகிறது. மற்றும் தோல்வி கட்டமைப்பியல், அமைப்புப் பிரச்சினை அல்ல.
ஒரு முடிவு ஒரு பத்தி அல்ல. இது தொடர்புகளின் ஒரு சிறிய வலை: ஒரு முன்மொழிவு, அதற்கான மற்றும் எதிரான வாதங்கள், ஒவ்வொரு வாதமும் சார்ந்த ஆதாரங்கள், யார் விதிவிலக்கு ஒப்புதலளித்தனர், மற்றும் அது எந்த முந்தைய வழக்கை பின்பற்றியது. அதை உரை துண்டுகளாக சுருக்கி, அவற்றை உள்ளடக்குங்கள், மற்றும் மீட்டெடுப்பில் தொடர்புகள் விலக்கப்பட்ட துண்டுகளை திருப்பி அளிக்கின்றன. நீங்கள் எதிர்வாதம் இல்லாமல் முடிவை பெறுகிறீர்கள். நீங்கள் காரணம் இல்லாமல் ஒப்புதலைக் பெறுகிறீர்கள். நீங்கள் முந்தைய வழக்கை குறிப்பிடும் ஒரு வாக்கியத்தை பெறுகிறீர்கள், ஆனால் அந்த முந்தைய வழக்கு இல்லாமல்.
இது நடைமுறைப் பயிற்சியாளர்கள் "சேதம் சூப்." என்று அழைக்கும். இது காரணமாக, தீர்வு பதிவுகள் மீது வெக்டர் மட்டுமே மீட்டெடுப்பது நம்பகமாகவும், மென்மையாக நம்பமுடியாததாகவும் உணரப்படுகிறது.
சங்க் சூப் vs. தீர்மான தொகுப்பு
| வெக்டர் RAG திரும்புகிறது | தீர்மானம் கிராஃப்RAG திரும்புகிறது |
|---|---|
| …"பிரீமியம் வாடிக்கையாளருக்கான பணத்தை திரும்பப் பெறுதல் அங்கீகரிக்கப்பட்டது" (0.83) …"தானாக அங்கீகரிக்கப்படும் எல்லை $200" (0.79) …"SEV-1 சம்பவங்களை இரண்டாம் நிலைக்கு உயர்த்தவும்" (0.74) | சூத்திரம்: திரும்பப் பெறுதல் #4521 ($240) ஒப்புதல் நன்மை: பிரீமியம் வாடிக்கையாளர், செல்லுபடியாகும் குறைபாடு தீமை: $200 தானாக ஒப்புதல் அளிக்கும் எல்லையை மீறுகிறது மீறுதல்: மூத்த பகுப்பாய்வாளர் (கொள்கை P-12) மூலம் ஒப்புதல் முந்தைய நிலை: வழக்கு #1234 ஐ மேற்கோள் காட்டுகிறது (ஒப்புதல், 0 திருப்பி செலுத்தல்கள்) விளைவுகள் (6மோ): காப்பாற்றப்பட்டது, எந்த விவாதமும் இல்லை |
| மூன்று சாத்தியமான துண்டுகள். அவற்றுக்கு இடையில் எந்த இணைப்பும் இல்லை. இந்த திருப்பம் அதிகமாக இருந்ததா? யார் அதை மீறினார்கள்? அடுத்தது என்ன நடந்தது? அந்த துண்டுகள் கூற முடியாது. | ஒரு கட்டுப்பட்ட தொகுப்பு. காரணம், விதிவிலக்கு, முன்னணி, மற்றும் முடிவு — தொடர்புடையது. |
வித்தியாசம் எதுவும் எம்பெட்டிங் மாதிரி அல்லது துண்டு அளவல்ல. அது அடிப்படையில உள்ளது. ஒன்று முடிவுகள் பற்றிய உரையை சேமிக்கிறது; மற்றது கட்டமைப்பாக முடிவுகளை சேமிக்கிறது.
ஏன் நெறிமுறை எல்லைகள் அனைத்தையும் மாற்றுகின்றன
பொருளாதார அறிவியல் வரைபடங்கள் விளக்கமான எல்லைகளை சேமிக்கின்றன: "சொல்லப்படுகின்றன," "சம்பந்தப்பட்டவை," "உரிமையுள்ளவை." அவை இரண்டு விஷயங்கள் தொடர்புடையவை என்பதை உங்களுக்கு தெரிவிக்கின்றன ஆனால் அது ஏன் முக்கியம் என்பதைக் கூறுவதில்லை.
ஒரு தீர்வு வரைபடம் சாதாரண எல்லைகளை சேமிக்கிறது — அந்த உறவுகள் காரணத்தை கொண்டுள்ளன:
- •ஆதரிக்கிறது / எதிர்க்கிறது — இந்த வாதம் முடிவின் நோக்கத்திற்கு அருகில் அல்லது தொலைவில் இட்டுச் சென்றது
- •மறுக்கிறது — இந்த ஆதாரம் அந்த கோரிக்கையை நேரடியாக மாறுபடுத்துகிறது
- •தகுதி பெறுகிறது / அதற்கேற்ப — இது ஒரு நிலைமையின் கீழ் மட்டுமே பொருந்துகிறது
எனவே, எட்ஜ் வகை இது காரணமாக, கிராஃப் ஏற்கனவே ஏது சுமை ஏற்றுவதாக உள்ளது என்பதை அறிவது. மீட்டெடுப்புக்கு, பத்து குறிப்பிடப்பட்ட உண்மைகளில் எது அழைப்பை உண்மையாக இயக்கியது என்பதை கணிக்க வேண்டிய அவசியமில்லை — அதிக எடையுள்ள supports எட்ஜுகள் அதைப் கூறுகின்றன. விவரணை கிராஃப்கள் தேடலை சாத்தியமாக்குகின்றன. நியாயமான கிராஃப்கள் மதிப்பீடு செய்ய உதவுகின்றன.
ஏன் ஒரு முடிவு கிராஃப் "GraphRAG-சரியானது" ஆக இருக்கிறது
பல குழுக்கள் பொதுவான நிறுவன கிராப் மீது GraphRAG ஐ முயற்சிக்கும்போது விலகுகிறார்கள். காரணங்கள் ஒரே மாதிரியானவை, மற்றும் ஒரு தீர்வு கிராப் அவற்றில் ஒவ்வொன்றையும் தவிர்க்கிறது:
| ஏன் பொதுவான GraphRAG சிரமம் அடைகிறது | ஏன் ஒரு முடிவு வரைபடம் செய்யாது |
|---|---|
| கிராப் மிகப்பெரியது (மில்லியன்கள் கண்கள்) | ஒவ்வொரு முடிவின் துணைகோப்பு சிறியது மற்றும் சுயமாக உள்ளதாக உள்ளது. |
| எட்ஜுகள் குறைந்த சிக்னல் ("related_to") ஆக உள்ளன | எட்ஜுகள் நிலையானவை மற்றும் காரணங்களை கொண்டுள்ளன |
| தொடங்குவதற்கான எந்த இயற்கை மூலக் கீற்றும் இல்லை | தீர்மானம் அது அடிப்படை நொடியாக உள்ளது |
| மூலோட்டத்திற்கு எந்த இயற்கை நிறுத்தும் புள்ளியும் இல்லை | ஒரு முடிவின் எல்லை உள்ளார்ந்தது — அதன் வாதங்கள், ஆதாரங்கள் மற்றும் மேற்கோளிடப்பட்ட முன்னுரிமைகளை விரிவாக்குங்கள், பின்னர் நிறுத்துங்கள். |
கிராப் அதன் கட்டமைப்பில் "எது முக்கியம்" என்பதைக் கொண்டுள்ளது. இது GraphRAG-க்கு தேவையான மற்றும் அரிதாக கிடைக்கும் பண்பாகும்.
ஹைபிரிட் ரீட்ரிவல் பைப்்லைன்
வெக்டர்கள் மற்றும் வரைபடங்கள் இங்கு போட்டியாளர்கள் அல்ல. முடிவு மீட்டெடுப்பில் வெக்டர்களைப் பயன்படுத்தி நுழைவாய்களை கண்டறிகிறது மற்றும் முறைமை அமைப்பைப் பயன்படுத்தி முழுமையான சூழலைப் பெறுகிறது. AIAgentree இல் இது ஐந்து படிகள் கொண்ட குழாய்கட்டமைப்பாகும் (முந்தைய தேடல் சேவையில் அனுப்பப்பட்டது):
வெக்டர் தேடல் முடிவு மற்றும் வாத எம்பெட்டிங்கில் — தொடர்புடைய கடந்த முடிவுகளை கண்டறியுங்கள்
கட்டமைக்கப்பட்ட வடிகட்டிகள் — வாடிக்கையாளர், வகை, entidade வகை, முன்னணி முதுமை (அதாவது நீங்கள் உறுதிப்படுத்தப்பட்ட வழக்குகளை, வரைபடங்களை அல்ல)
கிராப்-சூழல் விரிவாக்கம் — ஒவ்வொரு முடிவின் வாதங்கள் மற்றும் ஆதாரங்களை உள்ளே இழுக்க நெறிமுறைகளை நடைபயிற்சி செய்யவும்
விளைவுப் புள்ளி அடிப்படையிலான தரவரிசை — ஒரு முன்னணி, அதன் விளைவு நல்லதாக மாறியிருந்தால், superficially-similar ஆக உள்ள மற்றொரு முன்னணியின் மேலே தரவரிசைப்படுத்தப்படுகிறது, அது நல்லதாக மாறவில்லை.
பேக்கேஜிங் — முடிவுகளை ஒரு முகவர் அல்லது மதிப்பீட்டாளருக்கு வழங்க தயாரான கட்டுப்பட்ட முடிவுப் பாக்கெட்டுகளாக ஒன்றிணைக்கவும்
கடுமையான எல்லைகள் (அதிகபட்ச ஆழம், அதிகபட்ச நோடுகள், நேரம் முடிவுக்கு) விரிவாக்கம் ஓடுவதிலிருந்து தடுக்கும். வெளியீடு எப்போதும் ஒரு டோக்கன்களின் சுவர் அல்ல — இது சில முழுமையான, ஒப்பிடத்தக்க முடிவுகள்.
ஏஜென்ட்களுக்கு மீட்டெடுப்பு: MCP மற்றும் A2A
நினைவகம் என்பது முகவர் அதை காரணமாக்கும் போது அணுகக்கூடியதாக இருந்தால் மட்டுமே பயனுள்ளதாக இருக்கும். AIAgentree முடிவுகளை பெறுவதற்கான இரண்டு வழிகளை வெளிப்படுத்துகிறது:
MCP க்கும் மேலே
மாதிரி சூழல் நெறிமுறை சேவையகம் search_precedents மற்றும் get_packet போன்ற கருவிகளை வெளிப்படுத்துகிறது. ஒரு முகவர் தொடர்புடைய முந்தைய தீர்மானங்களை கேட்கிறது மற்றும் தீர்மான தொகுப்புகளை inline-ல் — காரணம் கூறும் போது, தொகுப்பாக அல்ல — பெறுகிறது.
மேல் A2A
ஏஜெண்ட்-க்கு-ஏஜெண்ட் ஒப்படைப்பில், தீர்மான தொகுப்பு என்பது சுமை ஆகும். ஒரு பெறும் ஏஜெண்ட், அனுப்புநரின் தரவுத்தொகுப்புக்கு எந்த அணுகுமுறையுமின்றி, ஒரு தீர்மானத்தின் முழு, சுய-உள்ளடக்க சூழலைப் பெறுகிறது.
பேக்கெட் வடிவமைப்பில் மொத்தமாகக் கையாளக்கூடியது — இது முடிவை புரிந்து கொள்ளவும், செயல்படுத்தவும் தேவையான அனைத்தையும் கொண்டுள்ளது, இது நம்பிக்கை எல்லையை கடக்க பாதுகாப்பானதாக இருக்கிறது.
குறியீட்டில் இது எப்படி தோன்றுகிறது
ஒரு முகவர் எடுக்க உள்ள முடிவுக்கான முன்னணி தகவலை மீட்டெடுக்கிறது:
# 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)கச்சா பதிவுகளை முன்மொழியாமல் நிரப்ப வேண்டாம். முகவர் முந்தைய முடிவுகள் மீது காரணம் கூறுகிறது, அதற்கான காரணம் இணைக்கப்பட்டுள்ளது. தெளிவுக்காக இந்த துண்டு Python கிளையண்ட் பயன்படுத்துகிறது — ஆனால் அதே மீட்டெடுப்பு (get_packet, search_precedents) MCP SDK இல்லாமல் கிடைக்கிறது, எனவே MCP-இல் உள்ள முகவர் முடிவுகளை கருவிகளாக பயன்படுத்துகிறது.
முழு ஸ்டாக் அனுப்பப்பட்டுள்ளது
நாங்கள் கவர்ச்சிகரமாக இருக்கிறதற்குப் பதிலாக துல்லியமாக இருக்க விரும்புகிறோம். இன்று நேரடியாக உள்ளது:
முடிவுகளைப் பிடித்தல் மற்றும் மீட்டல்
- ✓நியாயமான முடிவு-கோடு தரவுத்தொகுப்பு (வகைப்படுத்தப்பட்ட வாதம் முனைகள்)
- ✓ஹைபிரிட் முன்னணி தேடல் (மேலே உள்ள ஐந்து படி குழாயில்)
- ✓முந்தைய தீர்மானத்தை முதன்மை வாதமாகக் குறிப்பிடுதல்
- ✓முடிவெடுத்த தொகுப்பு தொகுப்பு
- ✓MCP + A2A மூலம் மீட்டெடுப்பு
- ✓தவறானது தெரியுமாறு, சேர்க்கை மட்டுமே செய்யக்கூடிய முடிவு பதிவுகள்
நிறுவன நினைவகம் பறவை சக்கரம்
- ✓தானியங்கி விளைவுப் பின்னூட்டம் — வெப்ஹுக் + polling உள்ளீடு முடிவுகளை மீண்டும் எழுதுகிறது
- ✓விளைவின் தர மதிப்பீடு — நல்ல விளைவுகளை கொண்ட முடிவுகள் முன்னணி தேடலில் உயர்ந்த நிலை பெறுகின்றன
- ✓வாதத்தின் செயல்திறன் — எ quais வாதங்கள் நேர்மறை முடிவுகளுக்கு வழிவகுத்தன என்பதை கண்காணிக்கவும்
- ✓தானாகக் குறிக்கப்படும் முன்னுரிமைகள் — சீல் நேரத்தில் வெளிப்பட்ட தொடர்புடைய முந்தைய தீர்மானங்கள்
முழு மூடிய சுற்றுப்பாதை பறவை சக்கரம் செயல்படுகிறது: முடிவு பின்னூட்டம் முந்தைய தரவரிசைகளில் திரும்ப flows, வாதத்தின் செயல்திறன் என்ன வேலை செய்தது என்பதை வெளிப்படுத்துகிறது, மற்றும் முகவர்கள் ஒரு முடிவை மூடும்போது தொடர்புடைய முந்தைய நிலைகளை தானாகவே பரிந்துரை செய்யப்படுகின்றன. கிராப் அடிப்படையால் இது சாத்தியமாகிறது - மற்றும் இப்போது தன்னிறுத்தும் அடுக்கு இதன் மேல் இயங்குகிறது.
இதுவே எதனை மாற்றாது
- •உங்கள் வெக்டர் தரவுத்தளம் — இது குழாயின் ஒரு கூறு, படி 1
- •உங்கள் ஆவணம் RAG — கொள்கைகள் மற்றும் கையேடுகளை மீட்டெடுப்பது ஒரு மாறுபட்ட வேலை.
- •கண்காணிப்பு கருவிகள் — பரப்புகள், தாமதம், மற்றும் டோக்கன் அளவீடுகள் இன்னும் LangSmith/Langfuse மற்றும் பிறவர்களுக்கு சொந்தமானவை.
தீர்மானக் கிராப்RAG இவற்றில் அனைத்திற்கும் மேலே அமர்ந்து, அவற்றில் எவரும் சேமிக்காத கலைப்பொருளை பிடிக்கிறது: அதன் காரணம் intact உடன் மீட்டெடுக்கக்கூடிய கட்டமைக்கப்பட்ட தீர்மானம்.
அடிக்கடி கேட்கப்படும் கேள்விகள்
AI முடிவுகளுக்கான GraphRAG என்ன?
GraphRAG (கிராப்-மேம்பட்ட மீட்டெடுத்தல்-விரிவாக்கம்) வெக்டார் ஒப்பீட்டால் உரை துண்டுகளை மட்டுமே தரவரிசைப்படுத்துவதற்குப் பதிலாக, அறிவியல் கிராப் மூலம் சூழலை மீட்டெடுக்கிறது. AI முடிவுகளுக்காக, கிராப் ஒரு நியாயமான வாத கிராப் ஆகும் - முடிவுகள், அவற்றை ஆதரித்த அல்லது எதிர்த்த ஆதாரங்கள், மேற்கோள்கள் மற்றும் மேற்கோள்கள், வகைப்படுத்தப்பட்ட எட்ஜ்களால் (ஆதரிக்கிறது, எதிர்க்கிறது, மறுக்கிறது) இணைக்கப்பட்டுள்ளன. தொடர்புடைய முடிவுகளை கண்டுபிடிக்க வெக்டார் தேடலிலிருந்து மீட்டெடுப்புகள் தொடங்குகிறது, பின்னர் அந்த எட்ஜ்களால் விரிவாக்கம் செய்து, துண்டுகளாகப் பிரிக்கப்பட்டது அல்லாமல் முழுமையான, எல்லைக்கோட்டில் உள்ள முடிவு தொகுப்பை திருப்பி அளிக்கிறது.
decision GraphRAG எவ்வாறு vector RAG க்குப் பதிலாக பதிவு மீது மாறுபடுகிறது?
வெக்டர் RAG உரையின் துண்டுகளை (பதிவுகள், உரை, ஆவணங்கள்) உள்ளடக்குகிறது மற்றும் மிகச் சமமான துண்டுகளைத் திரும்ப அளிக்கிறது. அந்த துண்டுகள் இணைக்கப்படவில்லை - ஒரு பெறப்பட்ட துண்டு ஒரு முடிவின் முடிவை மேற்கோள் காட்டலாம் ஆனால் அதை Nearly மாற்றிய எதிர்கருத்து, விதிவிலக்கு ஒப்புதல் அளித்த மனிதர் அல்லது அது சார்ந்த முன்னுரிமையை தவிர்க்கலாம். முடிவு கிராஃப் RAG முடிவை அதன் காரணத்துடன் ஒரு கட்டமைக்கப்பட்ட அலகாகப் பெறுகிறது, ஏனெனில் உறவுகள் முதன்மை வகைப்படுத்தப்பட்ட எட்ஜாக்கள் ஆக சேமிக்கப்படுகின்றன, உரையில் மறைக்கப்படவில்லை.
முடிவுக் கையொப்பம் என்ன?
ஒரு முடிவு தொகுப்பு என்பது கிராப் முடிவு மீட்டெடுப்பின் கட்டுப்பட்ட வெளியீடு: ஒரு முடிவின் சுய-contained, கட்டமைக்கப்பட்ட பிரதிநிதித்துவம், அதில் உள்ள முன்மொழிவு, ஆதிக்க/எதிர்ப்பு வாத மரம், ஆதாரம் மற்றும் அதன் மூலத்தை, மதிப்பீடு செய்யப்பட்ட கொள்கைகள், அதை ஒப்புதல் அளித்த மனிதர்கள், மூடப்பட்ட முடிவு மற்றும் மேற்கோள் காட்டிய எந்த முன்னுரிமைகளும் உள்ளன. இது ஒரு முகவர் (அல்லது ஒரு கணக்காய்வாளர்) ஒரு குவியலான பதிவு வரிகளைப் பதிலாக மீட்டெடுக்கும். AIAgentree சேமிக்கப்பட்ட முடிவு தடவியிலிருந்து முடிவு தொகுப்புகளை உருவாக்குகிறது.
ஏன் ஒரு தீர்வு கிராஃப் GraphRAG க்கான நல்ல அடிப்படையாக இருக்கிறது, பொதுவான நிறுவன கிராஃப்கள் இல்லையென்றால்?
பொருளாதார நிறுவன அறிவியல் வரைபடங்களை கடந்து செல்லுவது கடினம்: அவை மிகப்பெரியவை, அவற்றின் எல்லைகள் குறைந்த சிக்னல் கொண்டவை ('related_to' எந்த காரணத்தையும் வெளிப்படுத்தாது), இயற்கையான அடிப்படை மையம் இல்லை, மற்றும் விரிவாக்கத்திற்கு தெளிவான நிறுத்தம் இல்லை. ஒரு முடிவு வரைபடம் இந்த நான்கு பிரச்சினைகளையும் தவிர்க்கிறது: ஒவ்வொரு முடிவும் ஒரு இயற்கையான அடிப்படை, எல்லைகள் விதிமுறையான மற்றும் உயர் சிக்னல் கொண்டவை (ஆதரிக்கிறது/எதிர்க்கிறது/தகர்க்கிறது உண்மையான காரணத்தை கொண்டுள்ளது), மற்றும் ஒரு தனி முடிவின் துணை வரைபடம் சிறியது மற்றும் இயற்கையாக எல்லைக்கோட்டில் உள்ளது. வரைபடம் ஏற்கனவே 'என்ன முக்கியம்' என்பதை குறியாக்குகிறது, எனவே மீட்டெடுக்குதல் என்னை உள்ளடக்க வேண்டும் என்பதை அறிவது.
இது என் வெக்டர் தரவுத்தொகுப்பை அல்லது RAG ஸ்டாக்கை மாற்றுமா?
இல்லை. வெக்டர் தேடல் என்பது முடிவு GraphRAG இன் ஒரு கூறு, அதற்கு போட்டியிடுபவர் அல்ல — எம்பெட்டிங்ஸ் சரியான நுழைவுப் புள்ளிகளை கண்டுபிடிக்கின்றன, பின்னர் கிராப் அமைப்பு முழு சூழலைப் பெறுகிறது. AIAgentree உங்கள் செயல்பாட்டு அமைப்புகள் மற்றும் உங்கள் உள்ளமைவான ஆவணங்களுக்கு மேலே முடிவு அடிப்படையில் அமர்கிறது. அந்த அமைப்புகள் வரலாற்றில் சேமிக்காத ஒரே கலைப்பொருளை இது பிடித்து மீட்டெடுக்கிறது: அமைக்கப்பட்ட முடிவு தானே.
என்ன அனுப்பப்படுகிறது?
இந்த பதிவில் விவரிக்கப்பட்டுள்ள அனைத்தும் அனுப்பப்பட்டுள்ளது மற்றும் செயல்பாட்டில் உள்ளது: நிலையான முடிவு-கோடு தரவுத்தொகுப்பு மாதிரி, கலவையான முன்னணி தேடல் (ஏழு படிகள்: வெக்டர் தேடல் → கட்டமைக்கப்பட்ட வடிகட்டிகள் → கிராப்-சந்தர்ப்ப விரிவாக்கம் → முடிவு-எடை தரவரிசை → தொகுப்பு), முன்னணி மேற்கோள் (முந்தைய முடிவை முதன்மை வாதமாக மேற்கோள் காட்டுதல்), முடிவு தொகுப்பு, MCP மற்றும் A2A மூலம் முகவரிகளுக்கு வெளிப்படுத்தப்பட்ட மீட்டெடுப்பு, தானியங்கி முடிவு பின்னூட்டம் (வெப்ஹுக் + polling உள்ளீடு), முன்னணி தரவரிசைகளை மேம்படுத்தும் முடிவு-தர மதிப்பீடு, வாத-திறனை கண்காணிப்பு (எந்த வாதங்கள் நல்ல முடிவுகளை உருவாக்கின), மற்றும் சீலின் மீது தானியங்கி பரிந்துரைக்கப்பட்ட முன்னணிகள். முழு 'நிறுவன நினைவகம் பறவை சக்கரம்' செயல்பாட்டில் உள்ளது மற்றும் மூடிய சுற்று.
எப்படி முகவர்கள் ஊக நேரத்தில் முடிவுகளை மீட்டெடுக்கிறார்கள்?
மாதிரி சூழல் நெறிமுறையின் (MCP) மற்றும் முகவர்-முகவருக்கு (A2A) ஒப்படைப்பு மூலம். AIAgentree, MCP சேவையகத்தின் மீது search_precedents மற்றும் get_packet போன்ற கருவிகளை வெளிப்படுத்துகிறது, எனவே ஒரு முகவர் தொடர்புடைய முந்தைய முடிவுகளை கேட்கலாம் மற்றும் அது யோசிக்கும் போது முடிவு தொகுப்புகளை நேரடியாகப் பெறலாம். A2A ஒப்படைப்பில், ஒரு முடிவு தொகுப்பு என்பது முகவர்களுக்கிடையில் பரிமாறப்படும் சுய-contained payload ஆகும், எனவே ஒரு பெறும் முகவர், அனுப்புநரின் தரவுத்தொகுப்புக்கு அணுகுமுறை இல்லாமல், ஒரு முடிவின் முழு சூழலைப் பெறுகிறது.
தொடர்புடைய தலைப்புகள்
தொடர்புடைய கட்டுரைகள்
ஏ.ஐ. முடிவுகள் ரசீத்களை பெற வேண்டும்: ஏ.ஐ. ஆட்சி முறைமையில் முடிவு தடுப்பது ஏன் காணாமல் போன அடுக்கு ஆகும்
ஒவ்வொரு நிதி பரிமாற்றத்திற்கும் ஒரு ரசீது கிடைக்கிறது. ஒவ்வொரு சட்ட ஒப்பந்தத்திற்கும் ஒரு கையொப்பம் கிடைக்கிறது. ஆனால் மில்லியன் கணக்கான மக்களை பாதிக்கும் AI முடிவுகள்? கண்ணுக்கு தெரியாதவை. முடிவு தடயங்கள் ஒவ்வொரு AI முடிவின் பின்னணி WHY-ஐ பிடித்து அதை மாற்றுகிறது.
EU AI சட்டம் கட்டுரை 6: உங்கள் AI முகவரிகளுக்கான உயர் ஆபத்து வகைப்படுத்தல் என்னவென்று பொருள் படுகிறது
EU AI சட்டத்தின் கட்டுரை 6 உங்கள் AI அமைப்பு "உயர் ஆபத்து" என வகைப்படுத்தப்படுகிறதா என்பதை தீர்மானிக்கிறது — மற்றும் கட்டாய ஆடிட் பாதை தேவைகளை தூண்டுகிறது. உங்கள் முகவர்கள் கடன், வேலை, கல்வி அல்லது சுகாதாரம் பற்றிய முடிவுகளை எடுப்பின், 2027 டிசம்பர் மாதத்திற்கு முன் அநெக்ஸ் III வகைப்படுத்தலைப் புரிந்துகொள்ள வேண்டும்.
ஏன் AI ஆராய்ச்சி ஒருங்கிணைப்பு?
கிராப் அடிப்படையிலான முடிவு மீட்டெடுப்பும் ஆராய்ச்சியும் சந்திக்கும் இடம்: பல மாதிரிகளின் கண்டுபிடிப்புகளை ஒரே கட்டமைக்கப்பட்ட, பண்பிக்கப்பட்ட சுருக்கத்தில் இணைத்தல்.
AIAgentree குழு
முடிவு அடிப்படையமைப்பு
AIAgentree குழு AI ஏஜென்ட்களுக்கு முடிவு தடய மற்றும் மீட்டல் அடிப்படையமைப்புகளை உருவாக்குகிறது. எங்கள் பணிக்குழு AI காரணங்களை தெளிவாக, கணக்கிடக்கூடிய, மீட்டுக்கொள்ளக்கூடிய மற்றும் மேம்படுத்தக்கூடியதாக மாற்றுவதாகும்.
உங்கள் ஏஜென்ட்களுக்கு மீட்டெடுக்கக்கூடிய நினைவுகளை வழங்குங்கள்.
முடிவுகளை ஒரு கிராஃபாக, ஒரு லாக் அல்ல - மற்றும் கட்டுப்படுத்தப்பட்ட முடிவு தொகுப்புகளாக மீட்டெடுக்கவும். இலவச அடுக்கு கிடைக்கிறது, கிரெடிட் கார்டு தேவை இல்லை.
இலவசமாக தொடங்கவும்