Karar geri çağırma nedir?

Karar geri getirme, geçmişteki AI kararlarını bağlantısız metin parçaları yerine tam, yapılandırılmış birimler olarak geri getirme uygulamasıdır. Bu, bir grafik-geliştirilmiş geri-besleme-augmente nesil (GraphRAG) biçimidir: alt yapı, her kararın desteklediği veya karşı çıktığı lehine ve aleyhine argümanlara, alıntı yapılan kanıtlara ve atıfta bulunulan önceki kararlara, tipik kenarlar (destekler, karşı çıkar, çürütür) aracılığıyla bağlı olduğu normatif bir argüman grafiğidir. Geri getirme melezdir - vektör araması ilgili kararları bulur, ardından grafik genişletmesi tam bağlamı getirir - ve çıktısı, bir Karar Paketi: önermenin, argüman ağacının, kanıtların, politikaların, onayların, sonucun ve önceki kararlardan oluşan sınırlı bir kayıttır. Bu, günlükler üzerinde vektör-sadece RAG'yi yener, bu da karşı argümanı, onaylayanı ve önceki kararı atlayan parça çorbası döndürür. AI Agentree, bugün bir beş adımlı önceki-karar-araştırma pipeline'ı, Karar Paketi montajı ve ajanlara MCP ve A2A üzerinden maruz kalan geri getirme aracılığıyla karar geri getirme uygular.

Tanım Kılavuzu

Karar Geri Çağırma Nedir?

Karar geri çağırma bir AI aracının benzer durumların önce nasıl ele alındığını araştırması ve sadece bir parçayı değil, akıl yürütmeyi geri getirmesidir. Bu, kararlar için GraphRAG'dir: her kararın şekillendirmesinde etkili olan argümanlar, kanıtlar ve önceki kararları bağladığı bir normatif argüman grafiği üzerinde geri çağırma. Eşleşen günlük satırlarının bir yığarının yerine, akıl yürütmeleri sağlam bir şekilde sınırlı ve denetlenebilir bir karar alırsınız.

TL;DR

Karar alma getirme vs. vektör RAG günlükler üzerinde

Varsayılan şekilde bir ajanın hafızasını vermek için vektör RAG kullanılır: her şeyi göm, en iyi eşleşen parçaları al ve bunları istemciye yapıştır. Belgeler için bu yöntem çalışır. Ancak kararlar için yapısal olarak başarısız olur, çünkü bir karar bir paragraf değildir - bir dizi ilişkinin küçük bir ağıdır: bir öneri, onun için ve karşıt argümanlar, her birinin dayandığı kanıtlar, herhangi bir istisnayı kimin onayladığı ve hangi geçmiş vakaya uyduğu.

Bunu metne düzleştirin ve gömün, ve alma işlemi, ilişkileri kesilmiş parçaları geri verir - karşıt argüman olmadan sonuç, gerekçe olmadan onay, bir önceki örneğin kendisinden olmadan bir önceki örneğe atıf. Uygulayıcılar buna "parça çorbası" der. Karar alma bunu, kararı yapılandırılmış bir birim olarak alma yoluyla önler, çünkü ilişkiler ilk sınıf kenarlar olarak depolanır ve yazıda örtük olarak bırakılmaz.

Grafik: normatif kenarlar, değil betimleyici olanlar

Genel bilgi grafikleri betimleyici kenarlar depolar - "bahsetme", "ilgili" - ki bu, iki şeyin bağlı olduğunu ancak neden önemli olduğunu söylemez. Bir karar grafiği normatif kenarlar depolar: destekler, karşı çıkar, çürütür, sınırlar. Çünkü kenar tipi mantıktır, grafik zaten bir kararın neyin önemli olduğunu kodlar.

Bu aynı zamanda neden bir karar grafiğinin, genel kurumsal grafiklerin mücadele ettiği bir GraphRAG alt yapısı olduğunun nedenidir. Genel grafikler devasadır, kenarları düşük sinyal taşır, doğal bir kök düğüm yoktur ve geçişin açık bir durdurma noktası yoktur. Bir karar grafiği ters özelliklere sahiptir: her karar doğal bir kök düğüm, kenarlar gerçek mantık taşır ve bir kararın alt grafiği küçüktür ve doğal olarak sınırlıdır - argümanlarına, kanıtlarına ve atıfta bulunulan önceki örneklerine kadar genişletin, sonra durun.

Hibrit vektör-artı-grafik alma işleminin nasıl çalıştığı

Vecktörler ve grafikler burada rakip değildir - karar alma vektörleri girişleri bulmak için ve grafik yapısını tam bağlamı almak için kullanır. Uygulamada bir boru hattıdır: (1) karar ve argüman gömme işlemleri üzerinden vektör arama birkaç ilgili geçmiş kararı bulur; (2) yapılandırılmış filtreler kategorilere, varlık türlerine ve önceki örnek olgunluğuna göre daraltır, böylece doğrulanmış vakaları, taslakları değil, alırsınız; (3) grafik genişletme, normatif kenarları yürüyerek her kararın argümanlarını ve kanıtlarını çeker; (4) sonuç-ağırlıklı sıralama, iyi sonuçlanan önceki örnekleri, iyi sonuçlanmayan ancak yüzeyde benzer olanlardan daha yüksek sıralar; (5) sonuçlar, sınırlı Karar Paketleri içine paketlenir.

Derinlik, düğüm sayısı ve zaman için zorlu sınırlar, genişlemenin kaçmasını önler. Çıktı asla bir token duvarı değildir - tamamlanmış, karşılaştırılabilir bir dizi karardır.

Ajanlar için alma: MCP ve A2A

Hafıza, bir ajanın nedenlerken ulaşabildiği sürece yararlıdır. Karar alma, ajanlara iki şekilde sunulur. Model Bağlam Protokolü (MCP) üzerinden, search_precedents ve get_packet gibi araçlar, bir ajanın ilgili önceki kararlara sorgu yapmasına ve Karar Paketlerini doğrudan, nedenlerken almalarına izin verir - ve yazma yolu da MCP üzerinden çalışır: bir ajan bir iz bırakabilir, mantığını kaydedebilir, kararı mühürleyebilir ve sonuçlanan Karar Paketini hemen alabilir, uçtan uca, herhangi bir SDK olmadan. Ajan-ağanta (A2A) delegasyonunda, Karar Paketi, ajanlar arasında iletilen yüküdür - alan ajan, göndericinin veritabanına erişimi olmadan bir kararın tam, kendi kendine yeterli bağlamını devralır. Paket, taşınabilir olarak tasarlanmıştır, bu da güven sınırını aşarken güvenli olmasını sağlar.

AI Agentree'nin karar geri çağırma nasıl sağladığını

AI Agentree kararları normatif bir grafik olarak depolar ve sınırlı paketler olarak geri çağırır. Geri çağırma alt yapısı sevk edilir ve kullanılır:

Hibrit emsal araması

Beş adımlı bir süreç — vektör arama, yapılandırılmış filtreler, grafik bağlam genişletme, sonuç ağırlıklı sıralama, paketleme — geçmiş kararları, onlara ekli gerekçeleriyle birlikte, parça çorbası olarak değil, geri getirir.

Karar Paketleri

Geri alma, bir kararın sınırlı, kendi kendine yeterli kaydını döndürür — öneri, artı/eksi argümanlar, kanıtlar, politikalar, onaylar, sonuç ve alıntılanan emsaller.

Emsal alıntısı

Geri alınan bir emsal, yeni bir kararda birinci sınıf bir argüman olarak alıntılanabilir, böylece tutarlılık hafızaya dayanmak yerine artar.

Ajan yerel erişimi (MCP + A2A)

Ajanslar, MCP araçları üzerinden kararları kaydeder ve geri alır — SDK olmadan tam oluşturma, mühürleme ve paket alma yaşam döngüsü — ve Karar Paketleri, ajanlar arası delegasyonda yük olarak taşınır.

Geri çağırılan alt yapıyı karar izleme veya daha derin teknik tedavi AI kararları için GraphRAG'de görün.

Sıkça Sorulan Sorular

Karar alma nedir?

Karar alma, geçmiş AI kararlarını kesintisiz metin parçaları yerine tamamlanmış, yapılandırılmış birimler olarak geri getirmektir. Bu, her kararı şekillendiren argümanlar, kanıtlar ve emsallerle bağlayan normatif bir argüman grafiği olan GraphRAG'ın bir biçimidir ve çıktı, yalnızca bir kesit değil, akıl yürütmedir.

Karar alma, vektör RAG'dan nasıl farklıdır?

Vektör RAG, metni gömerek en iyi eşleşen parçaları döndürür - bir kararın sonucunu alıntılayabilen ama karşı argümanı, onaylayanı ve dayandığı emsali kaçıran kesintisiz parçalar. Karar alma, ilişkiler birinci sınıf tipli kenarlar olarak saklandığı için akıl yürütmesi bozulmadan kararı geri döndürür, prozda örtük bırakılmaz. Vektör arama, karar almanın bir bileşenidir, ona rakip değildir.

GraphRAG nedir?

GraphRAG (grafik geliştirilmiş geri alma artırılmış üretim), yalnızca metin parçalarını benzerliğe göre sıralamak yerine bir bilgi grafiğini geçerek bağlamı geri alır. Kararlara uygulandığında, grafik normatif bir argüman grafiğidir ve geri alma hibrittir: vektör arama ilgili kararları bulur, ardından grafik genişlemesi tamamlanmış, sınırlı bağlamı getirir.

Karar Paketi nedir?

Karar Paketi, karar almanın sınırlı çıktısıdır: öneri, artı/eksi argüman ağacı, kanıt ve kökeni, değerlendirilen politikalar, onaylar, mühürlenmiş sonuç ve alıntılanan emsaller içeren bir kararın kendine yeterli kaydıdır. Bir ajan veya denetçinin bir yığın günlük satırı yerine geri aldığı şeydir.

Karar Paketi, düşünce zinciri çıktısını saklamaktan daha mı iyidir?

Farklı sorunları çözerler - paket daha iyi kayıt tutma sağlar, daha iyi akıl yürütme değil. Saklanan düşünce zinciri, prozadır: sorgulamak, okuma zamanında her izlenimi bir LLM ile yeniden ayrıştırmak anlamına gelir, katılacak bir sonuç alanı yoktur ve düzenlenebilir bir metin bloğu, bir gözden geçirenin güvenebileceği bir taahhüt noktası sunmaz. Bir Karar Paketi, aynı akıl yürütmeyi bir kez, mühürlendiğinde yapılandırır: tutum tipli artı/eksi argümanlar belirleyici grafik sorgularına dönüşür, kararlar kaydedilmiş sonuçlara bağlanır, böylece geri alma sonuç ağırlıklıdır, emsaller yeni kararlarda alıntılanabilir argüman düğümleri haline gelir ve hash zincirli, mühürlenmiş, imzalanabilir kayıt kanıt olarak çalışır - ajanlar arası delegasyonda güven sınırları boyunca dahil. Hiçbir format modelin akıl yürütmesini daha sadık hale getirmez; paket, belirtilen akıl yürütmeyi dayanıklı, karşılaştırılabilir ve savunulabilir hale getirir. Eğer sadece bir ajanı daha sonra hata ayıklamanız gerekiyorsa, saklanan düşünce zinciri yeterlidir - paketler, kararların karşılaştırılması, yeniden kullanılması veya savunulması gerektiğinde yapılarını kazanır.

Karar alma, vektör veritabanımı veya belge RAG'ımı mı değiştiriyor?

Hayır. Vektör arama, geri alma boru hattının ilk adımıdır ve belge RAG ayrı bir iştir. Karar alma, mevcut yığınınızın üstünde yer alır ve bu sistemlerin saklamadığı tek nesneyi yakalar: yapılandırılmış kararın kendisi, akıl yürütmesi bozulmadan geri alınabilir.

AI Agentree karar almayı nasıl uygular?

Gönderilen beş adımlı emsal arama boru hattı (vektör arama, yapılandırılmış filtreler, grafik bağlam genişlemesi, sonuç ağırlıklı sıralama, paketleme), Karar Paketi montajı, emsal alıntısı ve MCP ve A2A üzerinden ajana açılan geri alma ile. Otomatik sonuç geri bildirimi ve çapraz karar kalıp sentezi - geri almanın üstünde tamamen kendini geliştiren katman - yol haritasındadır.

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.

Ajanlarınıza geri çağrılabilir bir hafıza verin

Kararları bir grafik olarak depolayın, değil günlükler — ve sınırlı Karar Paketleri olarak geri çağırın, ajanlarınızın akıl yürütmesi için.

Ücretsiz Başlayın