Vấn đề Truy xuất Mà Không Ai Đặt Tên

Mọi hệ thống tác nhân nghiêm túc cuối cùng cũng cần bộ nhớ: khả năng tra cứu cách mà một tình huống tương tự đã được xử lý trước đó và hành động một cách nhất quán. Câu trả lời mặc định vào năm 2026 là vector RAG — nhúng mọi thứ, truy xuất k phần tương tự nhất, đưa chúng vào cửa sổ ngữ cảnh.

Đối với tài liệu, điều đó hoạt động. Đối với quyết định, nó lặng lẽ thất bại. Và sự thất bại là do cấu trúc, không phải là vấn đề điều chỉnh.

Một quyết định không phải là một đoạn văn. Nó là một mạng lưới nhỏ của các mối quan hệ: một đề xuất, các lập luận ủng hộ và phản đối nó, bằng chứng mà mỗi lập luận dựa vào, ai đã phê duyệt ngoại lệ, và trường hợp nào trong quá khứ mà nó theo sau. Làm phẳng điều đó thành các khối văn bản và nhúng chúng, và việc truy xuất trả lại các mảnh với các mối quan hệ bị cắt đứt. Bạn nhận được kết luận mà không có lập luận phản biện. Bạn nhận được sự phê duyệt mà không có lý do. Bạn nhận được một câu đề cập đến một tiền lệ mà không có chính tiền lệ đó.

Đây là điều mà các thực hành gọi là "súp khối." Đó là lý do tại sao việc truy xuất chỉ dựa trên vector từ các nhật ký quyết định cảm thấy tự tin nhưng lại có phần không đáng tin cậy.

Chunk Soup so với Gói Quyết Định

Tại sao Rìa Quy chuẩn Thay đổi Mọi thứ

Các đồ thị tri thức tổng quát lưu trữ các cạnh miêu tả: "đề cập đến," "liên quan đến," "thuộc về." Chúng cho bạn biết hai điều có liên kết nhưng không tại sao điều đó lại quan trọng.

Một đồ thị quyết định lưu trữ các cạnh chuẩn mực — các mối quan hệ mang lại lý do:

Tại sao Biểu đồ Quyết định lại "Hoàn hảo GraphRAG"

Hầu hết các đội ngũ thử GraphRAG trên một đồ thị doanh nghiệp chung đều từ bỏ. Các lý do là nhất quán, và một đồ thị quyết định tránh được tất cả chúng:

Pipeline Truy Vấn Lai

Các vector và đồ thị không phải là đối thủ ở đây. Việc truy xuất quyết định sử dụng vector để tìm các điểm vào và cấu trúc đồ thị để lấy bối cảnh hoàn chỉnh. Trong AIAgentree, đây là một quy trình năm bước (được cung cấp trong dịch vụ tìm kiếm tiền lệ):

Truy xuất cho Đại lý: MCP và A2A

Bộ nhớ chỉ hữu ích nếu tác nhân có thể truy cập nó trong khi lập luận. AIAgentree cung cấp việc truy xuất quyết định theo hai cách:

Nó trông như thế nào trong mã

Lấy lại tiền lệ cho quyết định mà một đại lý sắp đưa ra:

# 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)

Không nhồi nhét các bản ghi thô. Đại lý suy luận dựa trên các quyết định trước đó, với lý do của chúng được đính kèm. Đoạn mã sử dụng client Python để rõ ràng — nhưng việc truy xuất tương tự (get_packet, search_precedents) có sẵn qua MCP mà không cần SDK, vì vậy một đại lý gốc MCP tiêu thụ các quyết định như là công cụ.

Toàn bộ stack đã được giao hàng

Chúng tôi thích sự chính xác hơn là ấn tượng. Dưới đây là những gì đang hoạt động hôm nay:

Điều này không thay thế cho điều gì