HN তে হাই, আমি ai·rete·rag তৈরি করেছি কারণ আমি দেখছিলাম টিমগুলি LLM-কে এমন সিদ্ধান্তের দায়িত্ব দেয় যা অডিটযোগ্য হতে হবে (ঋণ, জালিয়াতি, ক্লিনিকাল ট্রায়েজ), তারপর পরে 'গার্ডরেল' যোগ করে। এটি দুটিকে সিরিজে চালায়: একটি বিশুদ্ধ-Python Rete ইঞ্জিন আপনার তথ্যের বিপরীতে YAML নিয়ম মূল্যায়ন করে। রায় কেবল এখান থেকেই আসে। একই তথ্য, একই রায়, প্রতিবার, স্যালিয়েন্স-ভিত্তিক দ্বন্দ্ব সমাধানের সাথে। 2. RAG আপনার নিজস্ব নীতি নথি থেকে অনুচ্ছেদ পুনরুদ্ধার করে, এবং একটি LLM ইতিমধ্যে নেওয়া সিদ্ধান্তের একটি সরল-ইংরেজি ব্যাখ্যা লেখে, সেই অনুচ্ছেদগুলি উদ্ধৃত করে। এটি রায় পরিবর্তন করতে পারে না।

কিছু জিনিস প্রত্যাশার চেয়ে আরও এগিয়ে গেছে: নিয়মগুলি একটি গ্রাফ, সমতল তালিকা নয়: নেস্টেড all/any/not, এবং নিয়মগুলি এমন তথ্য দাবি করতে পারে যা অন্যান্য নিয়ম গ্রহণ করে (ফরোয়ার্ড চেইনিং)। সিদ্ধান্তের ট্রেস কারণ শৃঙ্খল দেখায়। অডিট মোড মূল্যায়িত প্রতিটি নিয়ম রেকর্ড করে, যার মধ্যে যেগুলি ফায়ার হয়নি সেগুলিও, শর্ত-অনু-শর্ত, রিপ্লের জন্য নিয়ম সেটের একটি স্ন্যাপশট সহ। নিয়মগুলি পুনরুদ্ধার পরিচালনা করতে পারে (একটি ফায়ার করা নিয়ম কোন নথিগুলি অনুসন্ধান করা হবে তা সংকুচিত করে), এবং পুনরুদ্ধার করা পাঠ্য ইঞ্জিনের জন্য তথ্যে রূপান্তরিত হতে পারে। অ-প্রযুক্তিগত লেখকরা একটি ভিজ্যুয়াল এডিটরে নিয়ম তৈরি করতে পারেন, বা একটি নীতি নথি পেস্ট করতে পারেন এবং উদ্ধৃতি সহ LLM-দ্বারা-খসড়া করা নিয়ম পেতে পারেন। খসড়াগুলি পর্যালোচনা ছাড়া কখনও সংরক্ষণ করা হয় না। YAML ইঞ্জিনিয়ারদের জন্য এখনও আছে।

ল্যান্ডিং পৃষ্ঠায় সাইনআপ ছাড়া একটি লাইভ ডেমো আছে (8টি ডেমো ডোমেন: ঋণ, জালিয়াতি, ক্লিনিকাল, বীমা, আইনি, অপস, ই-কমার্স, ব্লকচেইন)। একটি MCP সার্ভারও আছে, তাই Claude এবং অন্যান্য এজেন্টরা /decide-কে একটি টুল হিসেবে কল করতে পারে: uvx ai-rete-rag-mcp। স্পষ্ট হতে: এটি একটি হোস্টেড পণ্য যার একটি ফ্রি টিয়ার আছে। MCP ক্লায়েন্ট ওপেন সোর্স (MIT, github.com/zaharajabeen13-create/ai-rete-rag-mcp); ইঞ্জিন এবং প্ল্যাটফর্ম এই মুহূর্তে ওপেন সোর্স নয়। আমি বিশেষ করে যাদের একটি স্বয়ংক্রিয় সিদ্ধান্ত একজন নিয়ন্ত্রক বা অডিটরের কাছে ব্যাখ্যা করতে হয়েছে তাদের কাছ থেকে শুনতে চাই: তারা আসলে কী চেয়েছিল?