فیصلہ سازی کی بازیابی کیا ہے؟

فیصلہ سازی کی بازیابی ایک ایسی عمل ہے جس میں ماضی کے AI فیصلوں کو مکمل، منظم یونٹس کے طور پر بازیاب کیا جاتا ہے، نہ کہ منسلک متن کے ٹکڑوں کے طور پر۔ یہ گراف ایڈوانسڈ بازیابی آگمنٹڈ جنریشن (GraphRAG) کی ایک قسم ہے: سبسٹریٹ ایک معیاری دلیل گراف ہے جس میں ہر فیصلہ اس کی حمایت اور مخالفت کرنے والے دلائل، ثبوت، اور پیش کردہ مثالوں سے منسلک ہوتا ہے، ٹائپڈ ایجز (حمایت، مخالفت، رد) کے ذریعے۔ بازیابی ہائبرڈ ہے — ویکٹر سرچ متعلقہ فیصلوں کو تلاش کرتی ہے، پھر گراف ایکسپینشن مکمل سیاق و سباق کو بازیاب کرتی ہے — اور اس کا آؤٹ پٹ ایک فیصلہ پیکیج ہوتا ہے: ایک محدود، قابل آڈٹ ریکارڈ جو پیش کش، دلیل درخت، ثبوت، پالیسیاں، منظوریاں، نتیجہ، اور پیش کردہ مثالوں پر مشتمل ہوتا ہے۔

تعریف گائیڈ

فیصلہ سازی کی بازیابی کیا ہے؟

فیصلہ سازی کی بازیابی ایک ایسی عمل ہے جس میں ایک AI ایجنٹ ماضی میں کی گئی مشابہ حالات کو کیسے سہی سے حل کیا گیا تھا — اور اسے صرف ایک سنپٹ کے بجائے اس کی وجوہات کے ساتھ واپس کرتا ہے۔ یہ GraphRAG برائے فیصلوں ہے: ایک معیاری دلیل گراف پر بازیابی جہاں ہر فیصلہ اس کی حمایت اور مخالفت کرنے والے دلائل، ثبوت، اور پیش کردہ مثالوں سے منسلک ہوتا ہے۔ لاگ لائنز کے ڈھیر کے بجائے، آپ کو ایک محدود، قابل آڈٹ فیصلہ ملتا ہے جس میں اس کی وجوہات برقرار ہیں۔

TL;DR

فیصلہ سازی کی بازیابی = ماضی کے فیصلوں کو مکمل یونٹس کے طور پر بازیاب کرنا، نہ کہ متن کے ٹکڑوں کے طور پر۔ سبسٹریٹ ایک گراف ہے: فیصلے ٹائپڈ ایجز کے ذریعے حمایت اور مخالفت کرنے والے دلائل، ثبوت، اور پیش کردہ مثالوں سے منسلک ہوتے ہیں۔ بازیابی ہائبرڈ ہے — ویکٹر سرچ متعلقہ فیصلوں کو تلاش کرتی ہے، گراف ایکسپینشن مکمل سیاق و سباق کو بازیاب کرتی ہے — اور اس کا آؤٹ پٹ ایک فیصلہ پیکیج ہوتا ہے۔ یہ لاگز پر ویکٹر RAG سے بہتر ہے، جو منسلک ٹکڑوں کو واپس کرتا ہے جو مخالفت اور پیش کردہ مثال کو چھوڑ دیتے ہیں۔

فیصلے کی بازیابی بمقابلہ ویکٹر آر اے جی اوور لاگ

ایک ایجنٹ کو یادداشت دینے کا معیاری طریقہ ویکٹر آر اے جی ہے: ہر چیز کو ایمبیڈ کریں، سب سے بہترین میچ کرنے والے چنکس کو بازیاب کریں، اور انہیں پرومپٹ میں چپکائیں۔ اس سے دستاویزات کے لیے کام ہوتا ہے۔ فیصلوں کے لیے اس سے構 trúc طور پر ناکامی ہوتی ہے، کیونکہ ایک فیصلہ ایک پیراگراف نہیں ہوتا — یہ تعلقات کا ایک چھوٹا سا جال ہوتا ہے: ایک تجویز، اس کے حق میں اور اس کے خلاف دلائل، ہر ایک نے جو ثبوت استعمال کیا، کس نے کسی بھی استثناء کی منظوری دی، اور کون سا سابقہ معاملہ اس کی پیروی کرتا تھا۔

اسے ٹیکسٹ میں सपٹ کر دیں اور ایمبیڈ کریں، اور بازیابی ٹکڑے ٹکڑے کر کے واپس آتی ہے — تعلقات منقطع ہو جاتے ہیں — نتیجہ مخالف دلیل کے بغیر، منظوری 理اج کے بغیر، ایک سابقہ کا ذکر خود سابقہ کے بغیر۔ پریکٹیشنرز اسے "چنک سوپ" کہتے ہیں۔ فیصلے کی بازیابی اس سے بچنے کے لیے فیصلے کو ایک منظم یونٹ کے طور پر بازیاب کرتی ہے، کیونکہ تعلقات کو پہلے درجے کے ایج کے طور پر محفوظ کیا جاتا ہے نہ کہ نثر میں ضمنی طور پر۔

گراف: نمائندہ ایج، غیر وضاحتی ایج نہیں

جنریック علم گراف وضاحتی ایج کو محفوظ کرتے ہیں — "تذکرہ،" "سے متعلق" — جو کہتے ہیں کہ دو چیزیں منسلک ہیں لیکن یہ نہیں کہ وہ کیوں اہم تھیں۔ ایک فیصلے کا گراف نمائندہ ایج کو محفوظ کرتا ہے: سپورٹ، مخالفت، رد، اہلیتی۔ کیونکہ ایج کا قسم ہے 理اج، گراف پہلے ہی سے فیصلے میں کیا لوڈ بیئرنگ تھا۔

یہ بھی اس لیے ہے کہ ایک فیصلے کا گراف ایک غیر معمولی اچھا گراف آر اے جی سبسٹریٹ ہے جہاں جنریکل انٹرپرائز گرافس سے جدوجہد کرتی ہیں۔ جنریکل گرافس بہت بڑے ہیں، ان کے ایج کم سگنل ہیں، کوئی قدرتی روٹ نوڈ نہیں ہے، اور ٹریورسل کا کوئی واضح ختم ہونے کا نقطہ نہیں ہے۔ ایک فیصلے کے گراف کے برعکس خصوصیات ہیں: ہر فیصلہ ایک قدرتی روٹ ہے، ایج حقیقی 理اج لے جاتے ہیں، اور ایک فیصلے کا سب گراف چھوٹا اور قدرتی طور پر محدود ہے — اپنے دلائل، ثبوت، اور حوالہ دیے گئے سابقوں تک پھیلائیں، پھر رک جائیں۔

ہائبرڈ ویکٹر پلس گراف بازیابی کا کام کیسے کرتا ہے

ویکٹرز اور گرافس یہاں حریف نہیں ہیں — فیصلے کی بازیابی ویکٹرز کو انٹری پوائنٹس تلاش کرنے اور گراف اسٹرکچر کو مکمل سیاق و سباق حاصل کرنے کے لیے استعمال کرتی ہے۔ پریکٹس میں یہ ایک پائپ لائن ہے: (1) فیصلے اور دلیل ایمبیڈنگز پر ویکٹر سرچ کچھ متعلقہ سابقہ فیصلوں کو تلاش کرتی ہے؛ (2) منظم فلٹرز زمرہ، انٹیٹی کی قسم، اور سابقہ کی پختگی کے ذریعے تنگ ہو جاتے ہیں تاکہ آپ تصدیق شدہ کیسز حاصل کریں، ڈرافٹ نہیں؛ (3) گراف ایکسپینشن نمائندہ ایج پر چلتی ہے تاکہ ہر فیصلے کے دلائل اور ثبوت کو کھینچ سکے؛ (4) نتیجہ وزن والی درجہ بندی سابقوں کو جو نتیجہ خیر ہوا تھا ان کو اوپر اٹھا دیتی ہے جو کہ سطحی طور پر مشابہت رکھتے ہیں لیکن نتیجہ خیر نہیں ہوا تھا؛ (5) نتائج فیصلے کی پیکیٹس میں پیکیج کیے جاتے ہیں۔

گہرائی، نوڈ کاؤنٹ، اور وقت پر سخت حدود ایکسپینشن کو بھاگنے سے روکتی ہیں۔ آؤٹ پٹ کبھی بھی ٹوکنز کی دیوار نہیں ہوتی — یہ مکمل، موازنہ کرنے والے فیصلوں کا ایک چھوٹا سا سیٹ ہوتا ہے۔

ایجنٹس کے لیے بازیابی: ایم سی پی اور اے 2 اے

یادداشت صرف تب ہی مفید ہوتی ہے جب ایک ایجنٹ 理اج کرتے ہوئے اس تک پہنچ سکتا ہے۔ فیصلے کی بازیابی ایجنٹس کو دو طریقوں سے ظاہر کی جاتی ہے۔ ماڈل کنٹیکسٹ پروٹوکول (ایم سی پی) کے اوپر، ٹولز جیسے search_precedents اور get_packet ایجنٹ کو متعلقہ سابقہ فیصلوں کو کوئری کرنے اور 理اج کے درمیان ان لائن فیصلے کی پیکیٹس حاصل کرنے کی اجازت دیتے ہیں — اور لکھنے کا راستہ بھی ایم سی پی کے اوپر کام کرتا ہے: ایک ایجنٹ ایک ٹریس بنا سکتا ہے، اپنے 理اج کو ریکارڈ کر سکتا ہے، فیصلے کو سیل کر سکتا ہے، اور فوراً ہی نتیجہ خیز فیصلے کی پیکیٹ کو بازیاب کر سکتا ہے، سرے سے سرے تک، کوئی ایس ڈی کے کے بغیر۔ ایجنٹ ٹو ایجنٹ (اے 2 اے) تفویض میں، فیصلے کی پیکیٹ ایجنٹس کے درمیان بھیجی جانے والی پی لوڈ ہوتی ہے — ایک وصول کرنے والا ایجنٹ فیصلے کے مکمل، خود مختار سیاق و سباق کو وراثت میں لیتا ہے بھیجنے والے ایجنٹ کی ڈیٹابیس تک کوئی رسائی کے بغیر۔ پیکیٹ ڈیزائن کے لحاظ سے پورٹیبل ہے، جو اسے ایک اعتماد کی حد پار کرنے کے لیے محفوظ بناتا ہے۔

AI Agentree فیصلہ سازی کی بازیابی کیسے فراہم کرتا ہے

AI Agentree فیصلوں کو ایک معیاری گراف کے طور پر محفوظ کرتا ہے اور انہیں محدود پیکیج کے طور پر بازیاب کرتا ہے۔ بازیابی سبسٹریٹ جہاز ہے اور استعمال میں ہے:

ہائبرڈ پریسڈنٹ سرچ

پانچ مرحلے کا پائپ لائن — ویسٹر سرچ، ساختہ فلٹرز، گراف کنٹیکسٹ ایکسپینشن، آؤٹکم ویٹڈ رینکنگ، پیکیجنگ — ماضی کی فیصلے ان کے منطقی جوڑ کے ساتھ واپس لاتا ہے، چنک سوپ کے طور پر نہیں۔

فیصلہ پیکیٹس

ریٹرول ایک محدود، خود مختار ریکارڈ کو ایک فیصلے کے طور پر واپس لاتا ہے — پروپوزیشن، پرو/کن آرگومنٹس، ثبوت، پالیسیاں، منظوری، نتیجہ، اور حوالہ دیئے گئے پریسڈنٹس۔

پریسڈنٹ حوالہ

ایک حاصل کردہ پریسڈنٹ کو ایک نئے فیصلے میں ایک پہلے درجے کے论 کے طور پر حوالہ دیا جا سکتا ہے، تاکہ مسلسل جمع ہو جائے بجائے اس کے کہ یہ یادداشت پر انحصار کرے۔

ایجنٹ نیٹو ایکسس (ایم سی پی + اے 2 اے)

ایجنٹس فیصلے ریکارڈ کرتے ہیں اور ایم سی پی ٹولز کے ذریعے ان کو واپس لاتے ہیں — پوری تخلیق، مہر، اور گیٹ پیکیٹ لائف سائیکل کو کوئی ایسڈیکے کے بغیر — اور فیصلہ پیکیٹس ایجنٹ سے ایجنٹ تک تفویض کے پی لوڈ کے طور پر سفر کرتے ہیں۔

سبسٹریٹ کو دیکھیں جس سے یہ بازیابی کرتا ہے فیصلہ ٹریسنگ پر، یا گہرائی سے تکنیکی علاج GraphRAG برائے AI فیصلوں پر۔

اکثر پوچھے جانے والے سوالات

فیصلہ کی بازیابی کیا ہے؟

فیصلہ کی بازیابی پچھلے AI فیصلوں کو مکمل، منظم یونٹوں کے طور پر بازیافت کرنا ہے، نہ کہ منفصل متن کے ٹکڑوں کے طور پر۔ یہ GraphRAG کی ایک قسم ہے: ذیلی مواد ایک норматив دلیل گراف ہے جو ہر فیصلے کو دلائل، شواہد، اور سابقوں سے جوڑتا ہے جو اسے تشکیل دیتے ہیں، اور آؤٹ پٹ ایک محدود Decision Packet ہے — 理論، صرف ایک سنپٹ نہیں۔

فیصلہ کی بازیابی ویکٹر RAG سے کیسے مختلف ہے؟

ویکٹر RAG متن کو امبیڈ کرتا ہے اور سب سے اوپر میچنگ چنکس کو واپس کرتا ہے — منفصل ٹکڑے جو فیصلے کے نتیجے کو نقل کرسکتے ہیں لیکن مخالف دلیل، Approver، اور سابقہ کو جو اس پر انحصار کرتا ہے وہ چھوٹ جاتا ہے۔ فیصلہ کی بازیابی فیصلے کو اس کے 理論 کے ساتھ واپس کرتا ہے، کیونکہ رشتے داروں کو پہلے درجے کے ٹائپ شدہ ایج کے طور پر ذخیرہ کیا جاتا ہے، نہ کہ صرف متن میں ضمنی طور پر۔ ویکٹر سرچ فیصلہ کی بازیابی کا ایک جزو ہے، اس کا مقابلہ نہیں کرتا۔

GraphRAG کیا ہے؟

GraphRAG (گراف-انہانسڈ ریٹریول-آگمنٹڈ جنریشن) متن کے ٹکڑوں کی مماثلت کے ذریعے درجہ بندی کرنے کے بجائے، علم کے گراف کو عبور کرکے سیاق و سباق کو بازیافت کرتا ہے۔ فیصلوں پر لاگو ہونے پر، گراف ایک норматив دلیل گراف ہے، اور بازیابی ہائبرڈ ہے: ویکٹر سرچ متعلقہ فیصلوں کو تلاش کرتا ہے، پھر گراف کی توسیع مکمل، محدود سیاق و سباق کو حاصل کرتی ہے۔

Decision Packet کیا ہے؟

Decision Packet فیصلہ کی بازیابی کا محدود آؤٹ پٹ ہے: ایک خود مختار ریکارڈ جو ایک فیصلے کی ریکارڈنگ کرتا ہے جس میں پroposition، pro/con دلیل درخت، شواہد اور اس کی اصل، پالیسیوں کی جانچ، Approvals، محفوظ نتیجہ، اور کسی بھی سابقہ کا حوالہ دیا جاتا ہے۔ یہ وہ ہے جو ایک ایجنٹ یا آڈیٹر لائنوں کے ڈھیر کے بجائے بازیافت کرتا ہے۔

کیا Decision Packet چین-آف-تھوٹ آؤٹ پٹ کو ذخیرہ کرنے سے بہتر ہے؟

وہ مختلف مسائل کو حل کرتے ہیں — پیکیج بہتر ریکارڈ رکھنے والا ہے، بہتر 理論 نہیں۔ ذخیرہ شدہ چین-آف-تھوٹ متن ہے: اسے کوئری کرنا ہر ٹریس کو ایل ایل ایم کے ساتھ دوبارہ پارس کرنا ہوتا ہے، اس میں کوئی نتیجہ فیلڈ نہیں ہے جس پر جوائن کیا جا سکے، اور ایڈٹ کیے جانے والے متن کے بلب میں کوئی کمیٹ پوائنٹ نہیں ہے جس پر جائزہ لینے والا بھروسہ کر سکے۔ Decision Packet ایک ہی بار 理論 کو منظم کرتا ہے، مہر لگا کر: stance-ٹائپ شدہ pro/con دلائل ڈیٹرمنسٹک گراف کوئری بن جاتے ہیں، فیصلے ریکارڈ شدہ نتائج سے منسلک ہوتے ہیں تاکہ بازیابی نتیجہ-وزن ہو، سابقے نئے فیصلوں میں قابل ذکر دلیل کے نوڈز بن جاتے ہیں، اور ہیش-چینڈ، مہر لگا ہوا، سائن کیے جانے والے ریکارڈ کو بطور شہادت کام کرتا ہے — ایجنٹ-ٹو-ایجنٹ تفویض میں بھی بھروسہ کی حدوں کے پار۔ دونوں فارمیٹ ماڈل کے 理論 کو زیادہ وفادار نہیں بناتے؛ پیکیج بیان کردہ 理論 کو لچکدار، موازنہ، اور دفاعی بناتا ہے۔ اگر آپ کو صرف ایک ایجنٹ کو بعد میں ڈیبگ کرنا ہے، تو ذخیرہ شدہ چین-آف-تھوٹ کافی ہے — پیکیج اپنی ساخت کو کماتے ہیں جب فیصلے کا موازنہ، دوبارہ استعمال، یا دفاع کیا جانا ہے۔

کیا فیصلہ کی بازیابی میرے ویکٹر ڈیٹابیس یا ڈاکومنٹ RAG کو بدلتا ہے؟

نہیں۔ ویکٹر سرچ بازیابی پائپ لائن کا پہلا قدم ہے، اور ڈاکومنٹ RAG ایک الگ کام ہے۔ فیصلہ کی بازیابی آپ کے موجودہ اسٹیک کے اوپر بیٹھتا ہے اور اس ایک آرٹیفیکٹ کو पकڑتا ہے جسے وہ سسٹم ذخیرہ نہیں کرتے تھے: خود منظم فیصلہ، اپنے 理論 کے ساتھ بازیافت کیا جا سکتا ہے۔

AI Agentree فیصلہ کی بازیابی کو کیسے نافذ کرتا ہے؟

ایک جہاز شدہ پانچ قدم کے سابقہ-تلاش پائپ لائن (ویکٹر سرچ، منظم فلٹرز، گراف-سیاق و سباق کی توسیع، نتیجہ-وزن درجہ بندی، پیکیجنگ)، Decision Packet اسمبلی، سابقہ حوالہ، اور ایجنٹوں کے لئے بازیابی MCP اور A2A کے ذریعے نمائش کے ذریعے۔ خود کار نتیجہ کی فیڈ بیک اور کراس-فیصلہ پیٹرن کی ترکیب — بازیابی کے اوپر مکمل خود بہتر بنانے والی تہہ — روڈ میپ پر ہیں۔

اپنے ایجنٹس کو ایک یادداشت دیں جو بازیاب کیے جانے لائق ہو

فیصلوں کو ایک گراف کے طور پر محفوظ کریں، نہ کہ ایک لاگ کے طور پر — اور انہیں محدود فیصلہ پیکیج کے طور پر بازیاب کریں جو آپ کے ایجنٹس پر وجوہات کر سکتے ہیں۔

مفت شروع کریں