Halo HN, saya membangun ai·rete·rag karena saya terus melihat tim menugaskan LLM untuk keputusan yang perlu dapat diaudit (pinjaman, penipuan, triase klinis), lalu memasang 'guardrails' setelah kejadian. Ini menjalankan keduanya secara berurutan: Mesin Rete Python murni mengevaluasi aturan YAML terhadap fakta Anda. Putusan hanya berasal dari sini. Fakta yang sama, putusan yang sama, setiap kali, dengan resolusi konflik berbasis salience. 2. RAG mengambil bagian dari dokumen kebijakan Anda sendiri, dan LLM menulis penjelasan bahasa Inggris sederhana tentang keputusan yang sudah dibuat, mengutip bagian tersebut. Itu tidak dapat mengubah putusan.

Beberapa hal yang melampaui ekspektasi: Aturan adalah graf, bukan daftar datar: all/any/not bersarang, dan aturan dapat menegaskan fakta yang dikonsumsi aturan lain (forward chaining). Jejak keputusan menunjukkan rantai kausal. Mode audit mencatat setiap aturan yang dievaluasi, termasuk yang tidak terpicu, kondisi demi kondisi, dengan snapshot dari set aturan untuk pemutaran ulang. Aturan dapat mengarahkan pengambilan (aturan yang terpicu mempersempit dokumen yang dicari), dan teks yang diambil dapat diubah menjadi fakta untuk mesin. Penulis non-teknis dapat membangun aturan di editor visual, atau menempelkan dokumen kebijakan dan mendapatkan aturan yang disusun LLM dengan kutipan. Draf tidak pernah disimpan tanpa tinjauan. YAML masih ada untuk insinyur.

Halaman landing memiliki demo langsung tanpa pendaftaran (8 domain demo: pinjaman, penipuan, klinis, asuransi, hukum, operasi, e-commerce, blockchain). Ada juga server MCP, sehingga Claude dan agen lain dapat memanggil /decide sebagai alat: uvx ai-rete-rag-mcp. Sejujurnya: ini adalah produk yang dihosting dengan tingkat gratis. Klien MCP adalah open source (MIT, github.com/zaharajabeen13-create/ai-rete-rag-mcp); mesin dan platform tidak open source saat ini. Saya sangat ingin mendengar dari siapa pun yang harus menjelaskan keputusan otomatis kepada regulator atau auditor: apa yang sebenarnya mereka minta?