AI সিদ্ধান্তের জন্য GraphRAG
GraphRAG (গ্রাফ-বর্ধিত পুনরুদ্ধার-বর্ধিত উৎপাদন) একটি জ্ঞান গ্রাফ অতিক্রম করে প্রসঙ্গ পুনরুদ্ধার করে, শুধুমাত্র ভেক্টর সাদৃশ্য দ্বারা টেক্সট চাঙ্কগুলি র্যাঙ্ক করার পরিবর্তে। AI এজেন্ট সিদ্ধান্তের জন্য, গ্রাফ একটি নরমেটিভ আর্গুমেন্ট গ্রাফ: সিদ্ধান্তগুলি প্রো এবং কন আর্গুমেন্টগুলির সাথে সংযুক্ত যা তাদের সমর্থন বা বিরোধিতা করে, উল্লেখিত প্রমাণ এবং উল্লেখিত পূর্বসূত্র, টাইপ করা এজ দ্বারা (সমর্থন, বিরোধিতা, খণ্ডন)। সিদ্ধান্ত পুনরুদ্ধার একটি হাইব্রিড পাইপলাইন — ভেক্টর অনুসন্ধান প্রাসঙ্গিক সিদ্ধান্তগুলি খুঁজে পায়, তারপর গ্রাফ সম্প্রসারণ সম্পূর্ণ, সীমাবদ্ধ প্রসঙ্গ আনতে fetch করে — এবং এর আউটপুট একটি সিদ্ধান্ত প্যাকেট: একটি স্ব-নিযুক্ত রেকর্ড প্রস্তাবনা, আর্গুমেন্ট গাছ, প্রমাণ, নীতি, অনুমোদন, ফলাফল এবং পূর্বসূত্র। এটি লগগুলির উপর ভেক্টর-শুধু RAG কে পরাজিত করে, যা বিচ্ছিন্ন চাঙ্ক ফেরত দেয় যা কাউন্টারআর্গুমেন্ট, অনুমোদন এবং পূর্বসূত্র মিস করে। একটি সিদ্ধান্ত গ্রাফ একটি অস্বাভাবিকভাবে ভাল GraphRAG সাবস্ট্রেট কারণ প্রতিটি সিদ্ধান্ত একটি প্রাকৃতিক রুট নোড, এজগুলি উচ্চ-সংকেত (এগুলি যুক্তি বহন করে), এবং প্রতিটি সিদ্ধান্তের সাবগ্রাফ ছোট এবং সীমাবদ্ধ। AIAgentree সম্পূর্ণ স্ট্যাক বাস্তবায়ন করে: সিদ্ধান্ত-ট্রেস ডেটা মডেল, হাইব্রিড পূর্বসূত্র অনুসন্ধান, পূর্বসূত্র উদ্ধৃতি, সিদ্ধান্ত প্যাকেট সমাবেশ, MCP এবং A2A এর উপর পুনরুদ্ধার, স্বয়ংক্রিয় ফলাফল প্রতিক্রিয়া, ফলাফল-গুণমান স্কোরিং যা পূর্বসূত্র র্যাঙ্কিং বাড়ায়, আর্গুমেন্ট-কার্যকারিতা ট্র্যাকিং, এবং সীলের উপর স্বয়ংক্রিয়-প্রস্তাবিত পূর্বসূত্র — সম্পূর্ণ প্রতিষ্ঠান-মেমরি ফ্লাইহুইল পাঠানো হয়েছে এবং লাইভ।
প্রশ্নটি নয় "আমরা কি AI সিদ্ধান্তগুলি সংরক্ষণ করব?" — এটি "আমরা সেগুলি কীভাবে সংরক্ষণ করব?" সেগুলি টেক্সট হিসাবে সংরক্ষণ করুন এবং আপনি ভেক্টর RAG এর চাঙ্ক স্যুপ পাবেন। সেগুলি একটি নরমেটিভ আর্গুমেন্ট গ্রাফ হিসাবে সংরক্ষণ করুন এবং পুনরুদ্ধার একটি সীমাবদ্ধ, অডিটযোগ্য সিদ্ধান্ত প্যাকেট ফেরত দেয়।
- •লগের উপর ভেক্টর RAG বিচ্ছিন্ন টুকরো ফেরত দেয় — এটি পাল্টা যুক্তি, অনুমোদক, পূর্বসূরী মিস করে
- •ডিসিশন গ্রাফআরএজি সিদ্ধান্তটি তার যুক্তি অক্ষুণ্ণ রেখে টাইপ করা এজের মাধ্যমে পুনরুদ্ধার করে।
- •একটি সিদ্ধান্ত গ্রাফ একটি বিরল GraphRAG-perfect উপাদান: প্রাকৃতিক মূল নোড, উচ্চ-সংকেত প্রান্ত, সীমাবদ্ধ সাবগ্রাফ।
- •শিপড: হাইব্রিড প্রিসিডেন্ট সার্চ, ডিসিশন প্যাকেট, MCP/A2A রিট্রিভাল, আউটকাম ফিডব্যাক, আউটকাম-ওজনযুক্ত র্যাঙ্কিং, যুক্তির কার্যকারিতা, স্বয়ং-প্রস্তাবিত প্রিসিডেন্ট — সম্পূর্ণ ফ্লাইহুইল
আপনার এজেন্টকে জানতে হবে আপনি শেষবার কিভাবে সিদ্ধান্ত নিয়েছিলেন।
আপনি এটি লগের একটি ভেক্টর স্টোরের দিকে নির্দেশ করেন। এটি ছয়টি স্নিপেট ফেরত দেয়। তাদের মধ্যে কোনটিতেই কারণ নেই।
যে পুনরুদ্ধার সমস্যার কেউ নাম দেয় না
প্রতিটি গুরুতর এজেন্ট সিস্টেমের শেষ পর্যন্ত স্মৃতির প্রয়োজন হয়: একটি অনুরূপ পরিস্থিতি কিভাবে আগে পরিচালিত হয়েছিল তা খুঁজে বের করার এবং ধারাবাহিকভাবে কাজ করার ক্ষমতা। ২০২৬ সালে ডিফল্ট উত্তর হল ভেক্টর RAG — সবকিছু এম্বেড করুন, শীর্ষ-k সবচেয়ে অনুরূপ অংশগুলি পুনরুদ্ধার করুন, সেগুলি প্রসঙ্গ উইন্ডোতে রাখুন।
নথির জন্য, এটি কাজ করে। সিদ্ধান্ত এর জন্য, এটি নীরবে ব্যর্থ হয়। এবং ব্যর্থতা কাঠামোগত, এটি একটি টিউনিং সমস্যা নয়।
একটি সিদ্ধান্ত একটি প্যারাগ্রাফ নয়। এটি সম্পর্কের একটি ছোট জাল: একটি প্রস্তাব, এর পক্ষে এবং বিপক্ষে যুক্তি, প্রতিটি যুক্তির উপর নির্ভরশীল প্রমাণ, কে ব্যতিক্রমটি অনুমোদন করেছে, এবং কোন পূর্ববর্তী মামলাটি অনুসরণ করা হয়েছে। এটি টেক্সটের টুকরোতে সমতল করুন এবং সেগুলি এম্বেড করুন, এবং পুনরুদ্ধার সম্পর্কগুলি কাটা টুকরো ফিরিয়ে দেয়। আপনি পাল্টা যুক্তি ছাড়াই উপসংহার পান। আপনি যুক্তি ছাড়াই অনুমোদন পান। আপনি একটি বাক্য পান যা একটি উদাহরণ উল্লেখ করে কিন্তু উদাহরণটি নিজেই নেই।
এটি হল যা অনুশীলনকারীরা "চাঙ্ক স্যুপ" বলে। এটি কারণ ভেক্টর-শুধু পুনরুদ্ধার সিদ্ধান্ত লগগুলির উপর আত্মবিশ্বাসী মনে হয় এবং সূক্ষ্মভাবে অবিশ্বাস্য।
চাঙ্ক স্যুপ বনাম ডিসিশন প্যাকেট
| ভেক্টর RAG ফেরত দেয় | ডিসিশন গ্রাফRAG ফেরত দেয় |
|---|---|
| …"প্রিমিয়াম গ্রাহকের জন্য রিফান্ড অনুমোদিত হয়েছে" (0.83) …"স্বয়ংক্রিয় অনুমোদনের জন্য থ্রেশহোল্ড $200" (0.79) …"SEV-1 ঘটনার জন্য টিয়ার 2-এ Escalate করুন" (0.74) | প্রস্তাব: রিফান্ড #4521 ($240) অনুমোদন করুন পক্ষে: প্রিমিয়াম গ্রাহক, বৈধ ত্রুটি বিপক্ষে: $200 স্বয়ংক্রিয় অনুমোদন সীমা অতিক্রম করে অতিক্রম: সিনিয়র বিশ্লেষক দ্বারা অনুমোদিত (নীতিমালা P-12) নজির: মামলা #1234 উল্লেখ করে (অনুমোদিত, 0 চার্জব্যাক) ফলাফল (6মাস): রক্ষিত, কোন বিরোধ নেই |
| তিনটি সম্ভাব্য টুকরা। তাদের মধ্যে কোন সংযোগ নেই। এই ফেরত কি সীমার উপর ছিল? এটি কে অতিক্রম করেছিল? পরবর্তীতে কি ঘটেছিল? টুকরোগুলি বলতে পারছে না। | একটি সীমাবদ্ধ প্যাকেট। যুক্তি, ব্যতিক্রম, উদাহরণ, এবং ফলাফল — সংযুক্ত। |
বিভিন্নতা এম্বেডিং মডেল বা চাঙ্ক সাইজে নয়। এটি সাবস্ট্রেট। একটি সিদ্ধান্তের সম্পর্কে টেক্সট সংরক্ষণ করে; অন্যটি কাঠামো হিসেবে সিদ্ধান্ত সংরক্ষণ করে।
কেন নর্মেটিভ এজ সবকিছু পরিবর্তন করে
সাধারণ জ্ঞান গ্রাফগুলি বর্ণনামূলক প্রান্তগুলি সংরক্ষণ করে: "উল্লেখ," "সম্পর্কিত," "মালিকানাধীন।" তারা আপনাকে জানায় যে দুটি বিষয় সংযুক্ত কিন্তু কেন এটি গুরুত্বপূর্ণ তা নয়।
একটি সিদ্ধান্ত গ্রাফ মানদণ্ড প্রান্তগুলি সংরক্ষণ করে — সম্পর্কগুলি যুক্তি বহন করে:
- •সমর্থন করে / বিরোধিতা করে — এই যুক্তিটি সিদ্ধান্তকে ফলাফলের দিকে বা দূরে ঠেলে দিয়েছে
- •প্রতিবাদ করে — এই প্রমাণটি সরাসরি সেই দাবির বিপরীতে।
- •যোগ্যতা / নির্ভরশীল — এটি শুধুমাত্র একটি শর্তের অধীনে প্রযোজ্য
কারণ প্রান্তের ধরন হয় যুক্তি, গ্রাফ ইতিমধ্যেই জানে কোনটি লোড-বেয়ারিং। পুনরুদ্ধারকে অনুমান করতে হয় না যে দশটি উল্লেখিত তথ্যের মধ্যে কোনটি আসলে কলটি চালিত করেছে — উচ্চ ওজনের সমর্থন প্রান্তগুলি তাই বলে। বর্ণনামূলক গ্রাফগুলি অনুসন্ধান সক্ষম করে। নরমেটিভ গ্রাফগুলি বিচার সক্ষম করে।
কেন একটি সিদ্ধান্ত গ্রাফ "গ্রাফআরএজি-পারফেক্ট"
বেশিরভাগ দল যারা সাধারণ এন্টারপ্রাইজ গ্রাফে GraphRAG চেষ্টা করে তারা হাল ছেড়ে দেয়। এর কারণগুলি একরকম, এবং একটি সিদ্ধান্ত গ্রাফ প্রতিটি কারণ এড়িয়ে চলে:
| কেন জেনেরিক GraphRAG সংগ্রাম করে | কেন একটি সিদ্ধান্ত গ্রাফ কাজ করে না |
|---|---|
| গ্রাফটি বিশাল (কোটি নোড) | প্রতিটি সিদ্ধান্তের সাবগ্রাফ ছোট এবং স্বয়ংসম্পূর্ণ। |
| এজগুলি নিম্ন-সংকেত ("related_to")। | এজগুলি নর্মেটিভ এবং যুক্তি বহন করে। |
| শুরু করার জন্য কোন প্রাকৃতিক রুট নোড নেই | সিদ্ধান্ত হয় মূল নোড |
| পথচলা কোন প্রাকৃতিক বিরতি পয়েন্ট নেই। | একটি সিদ্ধান্তের সীমানা অন্তর্নিহিত — এর যুক্তি, প্রমাণ এবং উল্লেখিত উদাহরণগুলিতে প্রসারিত করুন, তারপর থামুন |
গ্রাফের কাঠামোর মধ্যে "যা গুরুত্বপূর্ণ" তা অন্তর্ভুক্ত রয়েছে। এটি সেই বৈশিষ্ট্য যা GraphRAG-এর প্রয়োজন এবং এটি বিরলভাবে পায়।
হাইব্রিড রিট্রিভাল পাইপলাইন
ভেক্টর এবং গ্রাফ এখানে প্রতিদ্বন্দ্বী নয়। সিদ্ধান্ত পুনরুদ্ধার ভেক্টর ব্যবহার করে প্রবেশ পয়েন্টগুলি খুঁজে বের করে এবং গ্রাফের কাঠামো সম্পূর্ণ প্রসঙ্গ আনতে ব্যবহার করে। AIAgentree-এ এটি একটি পাঁচ-ধাপের পাইপলাইন (পূর্ববর্তী-অনুসন্ধান পরিষেবায় প্রেরিত):
ভেক্টর অনুসন্ধান সিদ্ধান্ত এবং যুক্তি এম্বেডিংয়ের উপর — প্রাসঙ্গিক অতীত সিদ্ধান্তগুলোর একটি হাতেগোনা খুঁজে বের করুন
গঠিত ফিল্টার — ভাড়াটিয়া, বিভাগ, সত্তা প্রকার, পূর্বসূরি পরিপক্কতা (তাহলে আপনি যাচাইকৃত কেসগুলি পাবেন, খসড়া নয়)
গ্রাফ-প্রেক্ষাপট সম্প্রসারণ — প্রতিটি সিদ্ধান্তের যুক্তি এবং প্রমাণ টানতে নর্মেটিভ প্রান্তগুলোতে হাঁটুন
ফলাফল-ভিত্তিক র্যাঙ্কিং — একটি পূর্বসূরী যার ফলাফল ভালো হয়েছে, তা একটি তাত্ত্বিকভাবে অনুরূপ পূর্বসূরীর উপরে স্থান পায় যা ভালো হয়নি
প্যাকেজিং — একটি এজেন্ট বা পর্যালোচকের হাতে দেওয়ার জন্য সীমাবদ্ধ সিদ্ধান্ত প্যাকেটে ফলাফলটি একত্রিত করুন
কঠোর সীমা (সর্বাধিক গভীরতা, সর্বাধিক নোড, টাইমআউট) সম্প্রসারণকে অযথা বাড়তে দেয় না। আউটপুট কখনই টোকেনের একটি দেয়াল নয় — এটি সম্পূর্ণ, তুলনাযোগ্য সিদ্ধান্তের একটি ছোট সংখ্যা।
এজেন্টদের জন্য পুনরুদ্ধার: MCP এবং A2A
মেমোরি শুধুমাত্র তখনই উপকারী যখন এজেন্ট এটি পৌঁছাতে পারে যখন এটি যুক্তি করে। AIAgentree সিদ্ধান্ত পুনরুদ্ধার করার দুটি উপায় প্রকাশ করে:
ওভার এমসিপি
মডেল কনটেক্সট প্রোটোকল সার্ভার search_precedents এবং get_packet এর মতো টুলগুলি প্রকাশ করে। একটি এজেন্ট প্রাসঙ্গিক পূর্ববর্তী সিদ্ধান্তগুলির জন্য অনুসন্ধান করে এবং সিদ্ধান্ত প্যাকেটগুলি ইনলাইন — মধ্য-যুক্তি, ব্যাচ কাজ হিসাবে নয় — গ্রহণ করে।
ওভার A2A
এজেন্ট থেকে এজেন্টের প্রতিনিধিত্বে, সিদ্ধান্ত প্যাকেট হল পে-লোড। একটি গ্রহণকারী এজেন্ট প্রেরকের ডেটাবেসে কোনো প্রবেশাধিকার ছাড়াই একটি সিদ্ধান্তের সম্পূর্ণ, স্বয়ংসম্পূর্ণ প্রসঙ্গ উত্তরাধিকারসূত্রে পায়।
প্যাকেটটি ডিজাইনের দ্বারা পোর্টেবল — এটি সিদ্ধান্ত বোঝার এবং প্রয়োগ করার জন্য প্রয়োজনীয় সবকিছু বহন করে, যা এটিকে একটি ট্রাস্ট সীমা অতিক্রম করতে নিরাপদ করে।
এটি কোডে কেমন দেখায়
এজেন্ট যে সিদ্ধান্ত নিতে চলেছে তার জন্য পূর্বসূরির তথ্য সংগ্রহ করা:
# 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)কাঁচা লগের প্রম্পট-স্টাফিং নেই। এজেন্ট পূর্ববর্তী সিদ্ধান্ত নিয়ে যুক্তি করে, তাদের যুক্তি সংযুক্ত থাকে। স্নিপেটটি স্পষ্টতার জন্য পাইথন ক্লায়েন্ট ব্যবহার করে — কিন্তু একই পুনরুদ্ধার (get_packet, search_precedents) MCP SDK ছাড়া উপলব্ধ, তাই একটি MCP-স্থানীয় এজেন্ট সিদ্ধান্তগুলোকে সরঞ্জাম হিসেবে ব্যবহার করে।
ফুল স্ট্যাক শিপ করা হয়েছে
আমরা প্রভাবশালী হওয়ার চেয়ে সঠিক হতে চাই। আজ যা লাইভ রয়েছে তা হলো:
সিদ্ধান্ত গ্রহণ ও পুনরুদ্ধার
- ✓মানক সিদ্ধান্ত-ট্রেস ডেটা মডেল (টাইপ করা যুক্তি প্রান্ত)
- ✓হাইব্রিড প্রিসিডেন্ট সার্চ (উপরের পাঁচ-ধাপের পাইপলাইন)
- ✓প্রাক precedent উদ্ধৃতি — একটি প্রথম শ্রেণীর যুক্তি হিসেবে একটি পূর্ববর্তী সিদ্ধান্ত উদ্ধৃত করুন
- ✓নির্ণয় প্যাকেট সমাহার
- ✓MCP + A2A এর মাধ্যমে পুনরুদ্ধার
- ✓ট্যাম্পার-প্রমাণ, শুধুমাত্র সংযোজনযোগ্য সিদ্ধান্ত রেকর্ডগুলি
প্রাতিষ্ঠানিক স্মৃতি ফ্লাইহুইল
- ✓স্বয়ংক্রিয় ফলাফল প্রতিক্রিয়া — ওয়েবহুক + পোলিং ইনজেশন সিদ্ধান্তগুলিতে ফলাফল পুনরায় লেখে
- ✓ফলাফল-গুণমান স্কোরিং — ভালো ফলাফলের সাথে সিদ্ধান্তগুলি পূর্বসূরি অনুসন্ধানে উচ্চতর স্থান পায়
- ✓যুক্তির কার্যকারিতা — কোন যুক্তিগুলি ইতিবাচক ফলাফলে পৌঁছাতে সহায়ক হয়েছে তা ট্র্যাক করুন
- ✓স্বয়ংক্রিয়ভাবে প্রস্তাবিত পূর্বসূরি — সীল সময়ে উত্থাপিত প্রাসঙ্গিক পূর্ববর্তী সিদ্ধান্তগুলি
পূর্ণ বন্ধ লুপ ফ্লাইওহীল সক্রিয়: ফলাফলের প্রতিক্রিয়া পূর্ববর্তী র্যাঙ্কিংয়ে ফিরে আসে, যুক্তির কার্যকারিতা প্রকাশ করে কী কাজ করেছে, এবং এজেন্টরা যখন একটি সিদ্ধান্ত নেয় তখন তাদের জন্য প্রাসঙ্গিক পূর্বসূরী স্বয়ংক্রিয়ভাবে প্রস্তাবিত হয়। গ্রাফ সাবস্ট্রেট এটি সম্ভব করে তোলে — এবং এখন স্ব-উন্নয়নশীল স্তর এর উপরে চলে।
এটি কী প্রতিস্থাপন করে না
- •আপনার ভেক্টর ডেটাবেস — এটি পাইপলাইনের একটি উপাদান, ধাপ ১
- •আপনার নথি RAG — নীতিমালা এবং ম্যানুয়াল পুনরুদ্ধার করা একটি ভিন্ন কাজ
- •অবজারভেবিলিটি টুলস — স্প্যান, লেটেন্সি, এবং টোকেন মেট্রিকগুলি এখনও ল্যাংসমিথ/ল্যাংফিউজ ইত্যাদির অন্তর্ভুক্ত।
ডিসিশন গ্রাফRAG তাদের সকলের উপরে sits এবং সেই আর্টিফ্যাক্টটি ধারণ করে যা তাদের মধ্যে কোনোটিই সংরক্ষণ করেনি: কাঠামোবদ্ধ সিদ্ধান্ত, যার যুক্তি অক্ষুণ্ণ রেখে পুনরুদ্ধারযোগ্য।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
AI সিদ্ধান্তের জন্য GraphRAG কী?
GraphRAG (গ্রাফ-সংশোধিত পুনরুদ্ধার-বর্ধিত উৎপাদন) একটি জ্ঞান গ্রাফের মাধ্যমে প্রসঙ্গ পুনরুদ্ধার করে, শুধুমাত্র ভেক্টর সাদৃশ্য দ্বারা টেক্সট টুকরোগুলিকে র্যাঙ্ক করার পরিবর্তে। AI সিদ্ধান্তের জন্য, গ্রাফটি একটি নর্মেটিভ আর্গুমেন্ট গ্রাফ — সিদ্ধান্ত, তাদের সমর্থন বা বিরোধিতা করা প্রো/কন আর্গুমেন্ট, উল্লেখিত প্রমাণ এবং উল্লেখিত উদাহরণগুলি, টাইপ করা এজ দ্বারা সংযুক্ত (সমর্থন করে, বিরোধিতা করে, খণ্ডন করে)। পুনরুদ্ধারটি প্রাসঙ্গিক সিদ্ধান্তগুলি খুঁজে বের করতে ভেক্টর অনুসন্ধান থেকে শুরু হয়, তারপর সেই এজগুলির বরাবর প্রসারিত হয় একটি সম্পূর্ণ, সীমানাবদ্ধ সিদ্ধান্ত প্যাকেট ফেরত দেওয়ার জন্য, বিচ্ছিন্ন টুকরোর পরিবর্তে।
ডিসিশন গ্রাফRAG লোগের উপর ভেক্টর RAG থেকে কিভাবে ভিন্ন?
ভেক্টর RAG টেক্সটের টুকরোগুলো (লগ, ট্রান্সক্রিপ্ট, ডক) এম্বেড করে এবং শীর্ষ-k সবচেয়ে অনুরূপ ফ্র্যাগমেন্টগুলি ফেরত দেয়। সেই ফ্র্যাগমেন্টগুলি বিচ্ছিন্ন — একটি পুনরুদ্ধার করা স্নিপেট একটি সিদ্ধান্তের উপসংহার উদ্ধৃত করতে পারে কিন্তু প্রায় বিপরীত করে দেওয়া কাউন্টারআর্গুমেন্ট, ব্যতিক্রমটি অনুমোদন করা মানব, বা এটি যে প্রিসিডেন্টের উপর নির্ভর করেছিল তা মিস করতে পারে। ডিসিশন গ্রাফRAG সিদ্ধান্তটিকে একটি কাঠামোবদ্ধ ইউনিট হিসেবে পুনরুদ্ধার করে যার যুক্তি অক্ষুণ্ণ থাকে, কারণ সম্পর্কগুলি প্রথম শ্রেণীর টাইপ করা এজ হিসেবে সংরক্ষিত হয়, প্রোজের মধ্যে অImplicit না রেখে।
ডিসিশন প্যাকেট কী?
একটি সিদ্ধান্ত প্যাকেট হল গ্রাফ সিদ্ধান্ত পুনরুদ্ধারের সীমানাবদ্ধ আউটপুট: একটি স্ব-নিযুক্ত, কাঠামোবদ্ধ উপস্থাপনা একটি সিদ্ধান্তের যা প্রস্তাবনা, পক্ষে/বিপক্ষে যুক্তি গাছ, প্রমাণ এবং এর উত্স, মূল্যায়িত নীতিগুলি, যারা এটি অনুমোদন করেছে, সিল করা ফলাফল এবং যে কোনও উদাহরণ উল্লেখ করে। এটি একটি এজেন্ট (অথবা একটি নিরীক্ষক) লগ লাইনের একটি স্তূপের পরিবর্তে পুনরুদ্ধার করে। AIAgentree সংরক্ষিত সিদ্ধান্তের ট্রেস থেকে সিদ্ধান্ত প্যাকেটগুলি তৈরি করে।
কেন একটি সিদ্ধান্ত গ্রাফ GraphRAG-এর জন্য একটি ভাল ভিত্তি যখন সাধারণ এন্টারপ্রাইজ গ্রাফ নয়?
সাধারণ এন্টারপ্রাইজ জ্ঞান গ্রাফগুলি অতিক্রম করা কঠিন: এগুলি বিশাল, তাদের প্রান্তগুলি নিম্ন-সংকেত ('related_to' কোন যুক্তি প্রকাশ করে না), কোন প্রাকৃতিক মূল নোড নেই, এবং সম্প্রসারণের কোন স্পষ্ট থামার পয়েন্ট নেই। একটি সিদ্ধান্ত গ্রাফ এই চারটি সমস্যাকেই এড়িয়ে চলে: প্রতিটি সিদ্ধান্ত একটি প্রাকৃতিক মূল, প্রান্তগুলি নীতিগত এবং উচ্চ-সংকেত (সমর্থন/বিরোধিতা/প্রতিবাদ প্রকৃত যুক্তি বহন করে), এবং একটি একক সিদ্ধান্তের সাবগ্রাফ ছোট এবং প্রাকৃতিকভাবে সীমানাবদ্ধ। গ্রাফ ইতিমধ্যেই 'কি গুরুত্বপূর্ণ' তা এনকোড করে, তাই পুনরুদ্ধার জানে কি অন্তর্ভুক্ত করতে হবে।
এটি কি আমার ভেক্টর ডেটাবেস বা RAG স্ট্যাক প্রতিস্থাপন করে?
না। ভেক্টর সার্চ হল সিদ্ধান্ত GraphRAG-এর একটি উপাদান, এর প্রতিযোগী নয় — এমবেডিংস সঠিক প্রবেশ পয়েন্টগুলি খুঁজে বের করে, তারপর গ্রাফের কাঠামো সম্পূর্ণ প্রসঙ্গ নিয়ে আসে। AIAgentree আপনার অপারেশনাল সিস্টেম এবং আপনার বিদ্যমান RAG-এর উপরে সিদ্ধান্ত স্তরে বসে থাকে। এটি সেই একক আর্টিফ্যাক্টটি ক্যাপচার এবং পুনরুদ্ধার করে যা ঐ সিস্টেমগুলি ঐতিহাসিকভাবে সংরক্ষণ করেনি: কাঠামোবদ্ধ সিদ্ধান্তটি নিজেই।
কি পাঠানো হয়েছে?
এই পোস্টে বর্ণিত সবকিছু পাঠানো হয়েছে এবং লাইভ: নরমেটিভ সিদ্ধান্ত-ট্রেস ডেটা মডেল, হাইব্রিড প্রিসিডেন্ট সার্চ (একটি পাঁচ-ধাপের পাইপলাইন: ভেক্টর সার্চ → কাঠামোগত ফিল্টার → গ্রাফ-প্রেক্ষাপট সম্প্রসারণ → ফলাফল-ভিত্তিক র্যাঙ্কিং → প্যাকেজিং), প্রিসিডেন্ট উদ্ধৃতি (একটি অতীত সিদ্ধান্তকে প্রথম শ্রেণীর যুক্তি হিসেবে উদ্ধৃত করা), সিদ্ধান্ত প্যাকেট সমাবেশ, এজেন্টদের জন্য MCP এবং A2A এর মাধ্যমে পুনরুদ্ধার উন্মুক্ত, স্বয়ংক্রিয় ফলাফল প্রতিক্রিয়া (ওয়েবহুক + পোলিং ইনজেশন), ফলাফল-গুণমান স্কোরিং যা প্রিসিডেন্ট র্যাঙ্কিং বাড়ায়, যুক্তি-কার্যকারিতা ট্র্যাকিং (কোন যুক্তিগুলি ভাল ফলাফলে নিয়ে গেছে), এবং সীলের উপর স্বয়ংক্রিয়ভাবে প্রস্তাবিত প্রিসিডেন্ট। সম্পূর্ণ 'প্রতিষ্ঠানিক স্মৃতি ফ্লাইহুইল' লাইভ এবং বন্ধ-লুপ।
এজেন্টরা ইনফারেন্স সময়ে সিদ্ধান্তগুলি কীভাবে পুনরুদ্ধার করে?
মডেল কনটেক্সট প্রোটোকল (এমসিপি) এবং এজেন্ট-টু-এজেন্ট (এ2এ) প্রতিনিধিত্বের মাধ্যমে। এআইএজেন্ট্রি এমসিপি সার্ভারের উপর search_precedents এবং get_packet এর মতো টুলগুলি প্রকাশ করে, যাতে একটি এজেন্ট প্রাসঙ্গিক পূর্ববর্তী সিদ্ধান্তগুলির জন্য অনুসন্ধান করতে পারে এবং এটি যুক্তি করার সময় ইনলাইন ডিসিশন প্যাকেট গ্রহণ করতে পারে। এ2এ প্রতিনিধিত্বে, একটি ডিসিশন প্যাকেট হল স্ব-নিযুক্ত পেলোড যা এজেন্টগুলির মধ্যে স্থানান্তরিত হয়, তাই একটি গ্রহণকারী এজেন্ট একটি সিদ্ধান্তের সম্পূর্ণ প্রসঙ্গ উত্তরাধিকারসূত্রে পায়, প্রেরকের ডেটাবেসে প্রবেশের ছাড়াই।
সম্পর্কিত বিষয়
সম্পর্কিত নিবন্ধ
এআই সিদ্ধান্তগুলোর জন্য রসিদ প্রয়োজন: কেন সিদ্ধান্ত ট্রেসিং এআই শাসনে অনুপস্থিত স্তর
প্রতিটি আর্থিক লেনদেনের একটি রসিদ থাকে। প্রতিটি আইনগত চুক্তির একটি স্বাক্ষর থাকে। কিন্তু যে AI সিদ্ধান্তগুলি লক্ষ লক্ষ মানুষের উপর প্রভাব ফেলে? অদৃশ্য। সিদ্ধান্ত ট্রেসিং এটি পরিবর্তন করে প্রতিটি AI সিদ্ধান্তের পিছনের WHY ধারণ করে।
ইউরোপীয় ইউনিয়ন এআই আইন ধারা ৬: আপনার এআই এজেন্টগুলির জন্য উচ্চ-ঝুঁকি শ্রেণীবিভাগের অর্থ কী
ইইউ এআই আইন এর অনুচ্ছেদ ৬ আপনার এআই সিস্টেমটি "উচ্চ-ঝুঁকি" কিনা তা নির্ধারণ করে — এবং বাধ্যতামূলক অডিট ট্রেইল প্রয়োজনীয়তা শুরু করে। যদি আপনার এজেন্টগুলি ক্রেডিট, কর্মসংস্থান, শিক্ষা, বা স্বাস্থ্যসেবা সম্পর্কে সিদ্ধান্ত নেয়, তাহলে আপনাকে ডিসেম্বর ২০২৭ এর আগে Annex III শ্রেণীবিভাগ বুঝতে হবে।
এআই গবেষণা সংশ্লেষ কী?
যেখানে গ্রাফ-ভিত্তিক সিদ্ধান্ত পুনরুদ্ধার গবেষণার সাথে মিলিত হয়: একাধিক মডেলের ফলাফলকে একটি কাঠামোবদ্ধ, উল্লেখিত সংশ্লেষণে একত্রিত করা।
AIAgentree টিম
সিদ্ধান্ত অবকাঠামো
AIAgentree টিম AI এজেন্টের জন্য সিদ্ধান্ত ট্রেসিং এবং পুনরুদ্ধার অবকাঠামো তৈরি করছে। আমাদের মিশন হল AI যুক্তি দৃশ্যমান, অডিটযোগ্য, পুনরুদ্ধারযোগ্য এবং উন্নত করা।
আপনার এজেন্টদের একটি স্মৃতি দিন যা পুনরুদ্ধারযোগ্য।
সিদ্ধান্তগুলি একটি গ্রাফ হিসাবে ক্যাপচার করুন, লগ হিসাবে নয় — এবং সেগুলি সীমাবদ্ধ সিদ্ধান্ত প্যাকেট হিসাবে পুনরুদ্ধার করুন। বিনামূল্যে স্তর উপলব্ধ, ক্রেডিট কার্ডের প্রয়োজন নেই।
বিনামূল্যে শুরু করুন