Hola HN, construí ai·rete·rag porque seguía viendo a equipos poner un LLM a cargo de decisiones que necesitan ser auditables (préstamos, fraude, triaje clínico), y luego añadir 'barreras de protección' después de los hechos. Ejecuta los dos en serie: Un motor Rete en Python puro evalúa reglas YAML contra tus hechos. El veredicto proviene únicamente de aquí. Mismos hechos, mismo veredicto, cada vez, con resolución de conflictos basada en prominencia. 2. RAG recupera pasajes de tus propios documentos de política, y un LLM escribe una explicación en inglés sencillo de la decisión que ya se tomó, citando esos pasajes. No puede cambiar el veredicto.

Algunas cosas que fueron más lejos de lo esperado: Las reglas son un grafo, no listas planas: all/any/not anidados, y las reglas pueden afirmar hechos que otras reglas consumen (encadenamiento hacia adelante). El rastro de decisión muestra la cadena causal. El modo de auditoría registra cada regla evaluada, incluyendo las que no se dispararon, condición por condición, con una instantánea del conjunto de reglas para reproducción. Las reglas pueden dirigir la recuperación (una regla disparada reduce qué documentos se buscan), y el texto recuperado puede convertirse en hechos para el motor. Los autores no técnicos pueden construir reglas en un editor visual, o pegar un documento de política y obtener reglas redactadas por LLM con citas. Los borradores nunca se guardan sin revisión. YAML sigue ahí para los ingenieros.

La página de destino tiene una demostración en vivo sin registro (8 dominios de demostración: préstamos, fraude, clínico, seguros, legal, operaciones, comercio electrónico, blockchain). También hay un servidor MCP, por lo que Claude y otros agentes pueden llamar a /decide como una herramienta: uvx ai-rete-rag-mcp. Para ser transparente: es un producto alojado con un nivel gratuito. El cliente MCP es de código abierto (MIT, github.com/zaharajabeen13-create/ai-rete-rag-mcp); el motor y la plataforma no son de código abierto en este momento. Me gustaría especialmente escuchar de cualquiera que haya tenido que explicar una decisión automatizada a un regulador o auditor: ¿qué pidieron realmente?