GraphRAG için AI Kararları
GraphRAG (grafik destekli geri alma artırılmış üretim), yalnızca metin parçalarını vektör benzerliğine göre sıralamak yerine bir bilgi grafiğini geçerek bağlamı geri alır. AI ajan kararları için grafik, normatif bir argüman grafiğidir: kararlar, onları destekleyen veya karşı çıkan artı ve eksi argümanlar, alıntılanan kanıtlar ve referans verilen emsaller, türlendirilmiş kenarlar (destekler, karşı çıkar, çürütür) aracılığıyla bağlantılıdır. Geri alma, ilgili kararları bulmak için vektör aramasından başlar, ardından bu kenarlar boyunca genişleyerek bağlantısız parçalar yerine tam, sınırlı bir Karar Paketi döner.
Soru "AI kararlarını saklamalı mıyız?" değil — "onları neye saklamalıyız?" Onları metin olarak saklarsanız, vektör RAG'nin parça çorbasını alırsınız. Onları normatif bir argüman grafiği olarak saklarsanız, geri alma sınırlı, denetlenebilir Karar Paketi döner.
- •Loglar üzerindeki Vektör RAG bağlantısız kesitler döndürür — karşı argümanı, onaylayanı, emsal durumu atlar.
- •Karar Grafiği RAG, kararları gerekçesiyle birlikte, yazılı kenarlar aracılığıyla alır.
- •Bir karar grafiği nadir bir GraphRAG-mükemmel alt yapıdır: doğal kök düğümleri, yüksek sinyal kenarları, sınırlı alt grafikler
- •Gönderildi: hibrit emsal arama, Karar Paketleri, MCP/A2A geri alma, sonuç geri bildirimi, sonuç-ağırlıklı sıralama, argüman etkinliği, otomatik önerilen emsaller — tam döner sistem
Ajanınızın son seferde nasıl karar verdiğinizi bilmesi gerekiyor.
Bunu bir günlük vektör deposuna yönlendiriyorsunuz. Altı parça bilgi alıyorsunuz. Hiçbiri nedeni içermiyor.
İsimlendirilmemiş Geri Alma Problemi
Her ciddi ajan sistemi nihayetinde belleğe ihtiyaç duyar: benzer bir durumun daha önce nasıl ele alındığını araştırma ve tutarlı bir şekilde hareket etme yeteneği. 2026'daki varsayılan cevap vektör RAGdır — her şeyi göm, en benzer k parçayı al, bunları bağlam penceresine yerleştir.
Belgeler için bu işe yarar. Kararlar için ise sessizce başarısız olur. Ve bu başarısızlık yapısaldır, bir ayar problemi değildir.
Bir karar bir paragraf değildir. Küçük bir ilişki ağıdır: bir öneri, onun lehine ve aleyhine olan argümanlar, her argümanın dayandığı kanıtlar, istisnayı kimin onayladığı ve hangi geçmiş davaya atıfta bulunduğu. Bunu metin parçalarına düzleştirip gömerseniz, geri alma işlemi ilişkileri koparılmış parçalar sunar. Karşı argümanı olmadan sonuca ulaşırsınız. Gerekçesi olmadan onayı alırsınız. Bir emsalden bahseden bir cümle alırsınız ama emsalin kendisini almazsınız.
Bu, uygulayıcıların "parça çorbası" olarak adlandırdığı şeydir. Bu nedenle, karar günlükleri üzerinde yalnızca vektör tabanlı alımın kendine güvenli hissettirmesi ve ince bir şekilde güvenilmez olmasıdır.
Chunk Çorbası vs. Karar Paketi
| Vektör RAG döner | Karar Grafiği RAG döner |
|---|---|
| …"iade, premium müşteri için onaylandı" (0.83) …"otomatik onay eşiği 200$'dır" (0.79) …"SEV-1 olaylarını 2. seviyeye yükselt" (0.74) | Öneri: İade #4521'i onayla ($240) ARTI: Premium müşteri, geçerli kusur EKSİ: $200 otomatik onay eşiğini aşıyor Geçersiz Kılma: Kıdemli Analist tarafından onaylandı (politika P-12) Örnek: vaka #1234'ü alıntılar (onaylandı, 0 itiraz) Sonuç (6ay): korundu, itiraz yok |
| Üç olası parça. Aralarında bağlantı yok. Bu geri ödeme eşik üstünde miydi? Kim bunu geçersiz kıldı? Sonra ne oldu? Parçalar bunu söyleyemez. | Bir sınırlı paket. Akıl yürütme, istisna, emsal ve sonuç — bağlantılı. |
Fark, gömme modeli veya parça boyutu değil. Fark, alt yapı. Biri kararlarla ilgili metinleri depolar; diğeri ise kararları yapı olarak depolar.
Neden Normatif Kenarlar Her Şeyi Değiştirir
Genel bilgi grafikleri tanımlayıcı kenarları depolar: "bahsedilen," "ilişkili," "sahip olunan." İki şeyin bağlantılı olduğunu söyler, ancak neden önemli olduğunu belirtmez.
Bir karar grafiği normatif kenarları depolar — ilişkiler akıl yürütme taşır:
- •destekler / karşı çıkar — bu argüman kararı sonuca doğru veya ondan uzaklaştırdı
- •çürütür — bu kanıt o iddiayı doğrudan çelişiyor
- •nitelendirir / bağlıdır — bu yalnızca bir koşul altında geçerlidir
Çünkü kenar türü mantıktır, grafik zaten hangi unsurların taşıyıcı olduğunu bilir. Alım, on bahsedilen gerçeklerden hangisinin çağrıyı gerçekten tetiklediğini tahmin etmek zorunda değildir — yüksek ağırlıklı supports kenarları bunu belirtir. Tanımlayıcı grafikler aramayı mümkün kılar. Normatif grafikler yargıyı mümkün kılar.
Neden Bir Karar Grafiği "GraphRAG-Mükemmel"dir
Genel bir kurumsal grafikte GraphRAG'ı deneyen çoğu ekip pes ediyor. Nedenler tutarlı ve bir karar grafiği bunların her birinden kaçınıyor:
| Neden genel GraphRAG zorlanıyor | Neden bir karar grafiği işe yaramaz |
|---|---|
| Grafik devasa (milyonlarca düğüm) | Her kararın alt grafiği küçük ve kendi kendine yeterlidir. |
| Kenarlar düşük sinyal ("related_to")dır. | Kenarlar normatif olup akıl yürütmeyi taşır. |
| Başlayacak doğal bir kök düğüm yok. | Karar kök düğümdür. |
| Geçişin doğal bir durma noktası yoktur. | Bir kararın sınırı içsel bir özelliktir — argümanlarına, kanıtlarına ve alıntılanan emsallere genişletin, sonra durun. |
Grafik, yapısına "önemli olan"ı entegre etmiştir. Bu, GraphRAG'in ihtiyaç duyduğu ve nadiren elde ettiği bir özelliktir.
Hibrit Alım Boru Hattı
Vektörler ve grafikler burada rakip değildir. Karar alma, giriş noktalarını bulmak için vektörleri ve tam bağlamı almak için grafik yapısını kullanır. AIAgentree'de bu, beş adımlı bir işlem hattıdır (önceki arama hizmetinde gönderilmiştir):
Vektör arama karar ve argüman gömme alanlarında — ilgili geçmiş kararların birkaçını bulma
Yapılandırılmış filtreler — kiracı, kategori, varlık türü, emsal olgunluğu (böylece taslak değil, doğrulanmış davaları alırsınız)
Graf-bağlam genişlemesi — her kararın argümanlarını ve kanıtlarını çekmek için normatif kenarları takip et
Sonuç ağırlıklı sıralama — sonucu iyi olan bir emsal, yüzeysel olarak benzer olan ama iyi sonuçlanmayan birinin üzerinde yer alır.
Paketleme — sonucu, bir ajana veya bir değerlendiriciye teslim etmeye hazır sınırlı Karar Paketleri halinde bir araya getirin
Sert sınırlar (maksimum derinlik, maksimum düğüm, zaman aşımı) genişlemenin kontrolsüz bir şekilde ilerlemesini engeller. Çıktı asla bir token duvarı değildir — bu, az sayıda tamamlanmış, karşılaştırılabilir kararlardır.
Ajanlar için Geri Alma: MCP ve A2A
Hafıza, yalnızca ajan onu akıl yürütürken erişebiliyorsa faydalıdır. AIAgentree, karar alma işlemini iki şekilde ortaya koyar:
MCP Üzerinde
Model Bağlam Protokolü sunucusu, search_precedents ve get_packet gibi araçları ortaya koyar. Bir ajan, ilgili önceki kararlar için sorgu yapar ve Karar Paketlerini çevrimiçi olarak — akıl yürütme sırasında, toplu bir iş olarak değil — alır.
A2A Üzerinde
Ajanlar arası devretme durumunda, Karar Paketi yük verisidir. Bir alıcı ajan, göndericinin veritabanına erişim olmaksızın, bir kararın tam, kendi kendine yeterli bağlamını devralır.
Paket, tasarım gereği taşınabilir — kararı anlamak ve uygulamak için gereken her şeyi taşır, bu da onu bir güven sınırından geçirmeyi güvenli kılan tam olarak budur.
Kodu İçinde Nasıl Göründüğü
Bir ajanın vermek üzere olduğu karar için emsal bulma:
# 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)Ham günlüklerin prompt-stuffing'i yok. Ajan, önceki kararları ve bunların gerekçelerini değerlendirir. Kesit, açıklık için Python istemcisini kullanıyor — ancak aynı alım (get_packet, search_precedents) SDK olmadan MCP üzerinden de mevcuttur, bu nedenle MCP yerel bir ajan kararları araçlar olarak tüketir.
Tam Yığın Gönderildi
Etkileyici olmaktan çok kesin olmayı tercih ederiz. İşte bugün yayında olanlar:
Karar Yakalama ve Geri Alma
- ✓Normatif karar izleme veri modeli (tiplenmiş argüman kenarları)
- ✓Hibrit emsal arama (yukarıdaki beş adımlı süreç)
- ✓Önceki karar alıntısı — geçmişteki bir kararı birinci sınıf bir argüman olarak alıntı yapın
- ✓Karar Paketi montajı
- ✓MCP + A2A üzerinden geri alma
- ✓Değiştirilemez, yalnızca ekleme yapılabilen karar kayıtları
Kurumsal Hafıza Uçan Tekerlek
- ✓Otomatik sonuç geri bildirimi — webhook + anket alma, sonuçları kararlara geri yazar.
- ✓Sonuç kalitesi puanlama — iyi sonuçlarla yapılan kararlar emsal aramasında daha yüksek sıralanır
- ✓Argüman etkinliği — hangi argümanların olumlu sonuçlara yol açtığını takip et
- ✓Otomatik önerilen emsal kararlar — mühürleme zamanında ortaya çıkan ilgili önceki kararlar
Tam kapalı döngü flywheel aktif: sonuç geri bildirimi önceki sıralamalara geri akıyor, argüman etkinliği neyin işe yaradığını ortaya çıkarıyor ve ajanlar bir kararı onayladıklarında ilgili emsal önerileri otomatik olarak alıyor. Grafik alt yapısı bunu mümkün kılıyor — ve şimdi kendini geliştiren katman bunun üzerinde çalışıyor.
Bunun Yerini Ne Almaz
- •Vektör veritabanınız — bu, boru hattının bir bileşenidir, adım 1
- •Belgeleriniz RAG — politika ve kılavuzları almak farklı bir iştir
- •Gözlemlenebilirlik araçları — aralıklar, gecikme ve token metrikleri hala LangSmith/Langfuse ve diğerlerine aittir.
Karar GrafiRAG, hepsinin üzerinde yer alır ve hiçbiri tarafından saklanmayan bir nesneyi yakalar: mantığı bozulmamış bir şekilde geri alınabilir yapılandırılmış kararı.
Sıkça Sorulan Sorular
GraphRAG, AI kararları için nedir?
GraphRAG (graf güçlendirilmiş alım-artırılmış üretim), yalnızca metin parçalarını vektör benzerliğine göre sıralamak yerine, bir bilgi grafiğini geçerek bağlamı alır. AI kararları için grafik, normatif bir argüman grafiğidir — kararlar, onları destekleyen veya karşı çıkan artı/eksi argümanlar, alıntılanan kanıtlar ve atıfta bulunulan emsaller, türlerine göre kenarlarla (destekler, karşı çıkar, çürütür) bağlantılıdır. Alım, ilgili kararları bulmak için vektör aramasıyla başlar, ardından bu kenarlar boyunca genişleyerek kesintisiz parçalar yerine tamamlanmış, sınırlı bir Karar Paketi döndürür.
Karar GraphRAG, günlükler üzerindeki vektör RAG'dan nasıl farklıdır?
Vector RAG, metin parçalarını (loglar, transkriptler, belgeler) gömerek en benzer k parçayı döndürür. Bu parçalar birbirinden bağımsızdır — alınan bir alıntı, bir kararın sonucunu alıntılayabilir ancak onu neredeyse tersine çeviren karşıt argümanı, istisnayı onaylayan kişiyi veya dayandığı emsal durumu atlayabilir. Decision GraphRAG, kararları mantığıyla birlikte yapılandırılmış bir birim olarak alır, çünkü ilişkiler birinci sınıf tipli kenarlar olarak saklanır, metin içinde örtük bırakılmaz.
Karar Paketi nedir?
Bir Karar Paketi, grafik karar alma geri kazanımının sınırlı çıktısıdır: bir öneri, artı/eksi argüman ağacı, kanıt ve kökeni, değerlendirilen politikalar, onaylayan insanlar, mühürlü sonuç ve atıfta bulunulan herhangi bir emsal içeren, kendine yeterli, yapılandırılmış bir karar temsilidir. Bir ajan (veya bir denetçi) tarafından bir yığın günlük satırı yerine geri alınan şeydir. AIAgentree, depolanan karar izinden Karar Paketleri oluşturur.
Neden bir karar grafiği, genel kurumsal grafiklerin olmadığı durumlarda GraphRAG için iyi bir alt yapı?
Genel işletme bilgi grafikleri gezinmesi zor: devasa boyuttalar, kenarları düşük sinyalli ('related_to' herhangi bir akıl yürütme iletmez), doğal bir kök düğüm yoktur ve genişleme için belirgin bir durma noktası yoktur. Bir karar grafiği bu dört sorunu da aşar: her karar doğal bir kök düğümdür, kenarlar normatif ve yüksek sinyallidir (destekler/karşı çıkar/çürütür gerçek akıl yürütmeyi taşır) ve tek bir kararın alt grafiği küçüktür ve doğal olarak sınırlıdır. Grafik zaten 'önemli olanı' kodlar, bu nedenle geri alma neyi dahil edeceğini bilir.
Bu, vektör veritabanımı veya RAG yığınımı mı değiştiriyor?
Hayır. Vektör arama, karar GraphRAG'in bir bileşenidir, ona rakip değildir — gömme işlemleri doğru giriş noktalarını bulur, ardından grafik yapısı tam bağlamı getirir. AIAgentree, operasyonel sistemlerinizin ve mevcut belgeler için RAG'inizin üzerinde karar katmanında yer alır. Bu sistemlerin tarihsel olarak depolamadığı tek nesneyi, yani yapılandırılmış kararı yakalar ve geri getirir.
Ne gönderildi?
Bu yazıda tanımlanan her şey gönderildi ve canlı: normatif karar izleme veri modeli, hibrit emsal arama (beş adımlı bir süreç: vektör arama → yapılandırılmış filtreler → grafik bağlam genişletme → sonuç-ağırlıklı sıralama → paketleme), emsal alıntısı (geçmiş bir kararı birinci sınıf bir argüman olarak alıntılamak), Karar Paketi montajı, MCP ve A2A üzerinden ajanslara açık geri alma, otomatik sonuç geri bildirimi (webhook + anket alma), emsal sıralamalarını artıran sonuç-kalite puanlaması, argüman-etkinlik izleme (hangi argümanların iyi sonuçlar doğurduğu) ve mühür üzerinde otomatik önerilen emsaller. Tam 'kurumsal hafıza döngüsü' canlı ve kapalı döngüde.
Ajanlar çıkarım zamanında kararları nasıl alır?
Model Bağlam Protokolü (MCP) ve ajanlar arası (A2A) delege etme aracılığıyla. AIAgentree, bir MCP sunucusu üzerinden search_precedents ve get_packet gibi araçları açığa çıkarır, böylece bir ajan ilgili önceki kararlar için sorgulama yapabilir ve akıl yürütme sırasında karar paketlerini çevrimiçi olarak alabilir. A2A delege etmede, bir Karar Paketi, ajanlar arasında iletilen kendi kendine yeterli yükü temsil eder, bu nedenle bir alıcı ajan, göndericinin veritabanına erişim olmaksızın bir kararın tam bağlamını devralır.
İlgili Konular
İlgili Makaleler
Yapay Zeka Kararları Faturayı Hak Ediyor: Neden Karar İzleme, Yapay Zeka Yönetiminde Eksik Katmandır
Her finansal işlem bir makbuz alır. Her yasal sözleşme bir imza alır. Ama milyonlarca insanı etkileyen AI kararları? Görünmez. Karar izleme, her AI kararının arkasındaki NEDENİ yakalayarak bunu değiştirir.
AB AI Yasası Madde 6: Yüksek Risk Sınıflandırmasının AI Ajanlarınız İçin Anlamı
AB AI Yasası'nın 6. Maddesi, AI sisteminizin "yüksek riskli" olup olmadığını belirler ve zorunlu denetim izleme gerekliliklerini tetikler. Eğer ajanlarınız kredi, istihdam, eğitim veya sağlık hizmetleri hakkında kararlar alıyorsa, Aralık 2027'den önce Ek III sınıflandırmasını anlamanız gerekir.
Yapay Zeka Araştırma Sentezi Nedir?
Graf tabanlı karar alma ile araştırmanın buluştuğu yer: birden fazla model bulgusunu tek bir yapılandırılmış, atıf yapılmış sentezde birleştirmek.
AIAgentree Ekibi
Karar Altyapısı
AIAgentree ekibi, AI ajanları için karar izleme ve geri alma altyapısı inşa ediyor. Misyonumuz, AI akıl yürütmesini görünür, denetlenebilir, geri alınabilir ve geliştirilebilir hale getirmektir.
Ajanlarınıza geri alınabilir bir bellek verin.
Kararları bir grafik olarak yakalayın, günlük olarak değil — ve sınırlı Karar Paketleri olarak geri alın. Ücretsiz katman mevcut, kredi kartı gerekmez.
Ücretsiz Başlayın