नमस्ते HN, मैंने ai·rete·rag बनाया क्योंकि मैं लगातार टीमों को LLM को उन निर्णयों के प्रभार में देखता था जिन्हें ऑडिट करने योग्य होना चाहिए (ऋण, धोखाधड़ी, नैदानिक ट्रिएज), और फिर बाद में 'गार्डरेल' जोड़ते थे। यह दोनों को श्रृंखला में चलाता है: एक शुद्ध-Python Rete इंजन आपके तथ्यों के विरुद्ध YAML नियमों का मूल्यांकन करता है। निर्णय केवल यहाँ से आता है। समान तथ्य, समान निर्णय, हर बार, प्रमुखता-आधारित संघर्ष समाधान के साथ। 2. RAG आपके अपने नीति दस्तावेज़ों से अनुच्छेद प्राप्त करता है, और एक LLM उस निर्णय की सरल-अंग्रेजी व्याख्या लिखता है जो पहले ही बना चुका है, उन अनुच्छेदों का हवाला देते हुए। यह निर्णय को नहीं बदल सकता।

कुछ चीजें जो अपेक्षा से आगे गईं: नियम एक ग्राफ हैं, फ्लैट सूचियाँ नहीं: नेस्टेड all/any/not, और नियम ऐसे तथ्यों को दावा कर सकते हैं जिन्हें अन्य नियम उपभोग करते हैं (फॉरवर्ड चेनिंग)। निर्णय ट्रेस कारण श्रृंखला दिखाता है। ऑडिट मोड प्रत्येक मूल्यांकित नियम को रिकॉर्ड करता है, जिनमें वे भी शामिल हैं जो फायर नहीं हुए, स्थिति-दर-स्थिति, रीप्ले के लिए नियम सेट के स्नैपशॉट के साथ। नियम पुनर्प्राप्ति को निर्देशित कर सकते हैं (एक फायर किया गया नियम यह संकुचित करता है कि कौन से दस्तावेज़ खोजे जाते हैं), और प्राप्त पाठ को इंजन के लिए तथ्यों में बदला जा सकता है। गैर-तकनीकी लेखक विज़ुअल एडिटर में नियम बना सकते हैं, या एक नीति दस्तावेज़ पेस्ट कर सकते हैं और हवाले के साथ LLM-द्वारा-तैयार किए गए नियम प्राप्त कर सकते हैं। ड्राफ्ट समीक्षा के बिना कभी सहेजे नहीं जाते। YAML इंजीनियरों के लिए अभी भी मौजूद है।

लैंडिंग पेज पर साइनअप के बिना एक लाइव डेमो है (8 डेमो डोमेन: ऋण, धोखाधड़ी, नैदानिक, बीमा, कानूनी, संचालन, ई-कॉमर्स, ब्लॉकचेन)। एक MCP सर्वर भी है, इसलिए Claude और अन्य एजेंट /decide को एक टूल के रूप में कॉल कर सकते हैं: uvx ai-rete-rag-mcp। स्पष्ट रहने के लिए: यह एक होस्टेड उत्पाद है जिसमें एक निःशुल्क स्तर है। MCP क्लाइंट ओपन सोर्स है (MIT, github.com/zaharajabeen13-create/ai-rete-rag-mcp); इंजन और प्लेटफ़ॉर्म अभी ओपन सोर्स नहीं हैं। मैं विशेष रूप से उन लोगों से सुनना चाहूंगा जिन्हें किसी नियामक या ऑडिटर को स्वचालित निर्णय की व्याख्या करनी पड़ी है: उन्होंने वास्तव में क्या माँगा?