HN大家好，我开发了ai·rete·rag，因为我不断看到团队让LLM负责需要可审计的决策（贷款、欺诈、临床分诊），然后事后才加上"护栏"。它改为将两者串联运行：一个纯Python Rete引擎根据你的事实评估YAML规则。裁决仅由此产生。相同的事实，每次都得到相同的裁决，并采用基于显著性的冲突解决机制。2. RAG从你自己的政策文档中检索段落，然后由LLM撰写一段通俗英文解释，说明已经做出的决策，并引用这些段落。它无法改变裁决。

几个超出预期的方面：规则是一个图，而非扁平列表：嵌套的all/any/not，规则可以断言其他规则消费的事实（前向链）。决策追踪展示了因果链。审计模式记录每一条被评估的规则，包括那些未触发的规则，逐条件记录，并附带规则集快照以便回放。规则可以引导检索（一条触发的规则会缩小搜索的文档范围），检索到的文本可以转化为引擎可用的事实。非技术作者可以在可视化编辑器中构建规则，或者粘贴一份政策文档，获得带有引用的LLM起草规则。草稿未经审查绝不保存。YAML仍然保留给工程师使用。

落地页有一个无需注册的实时演示（8个演示领域：贷款、欺诈、临床、保险、法律、运营、电商、区块链）。还有一个MCP服务器，因此Claude和其他代理可以将/decide作为工具调用：uvx ai-rete-rag-mcp。坦白说：这是一个带有免费层级的托管产品。MCP客户端是开源的（MIT，github.com/zaharajabeen13-create/ai-rete-rag-mcp）；引擎和平台目前不是开源的。我特别想听听那些曾向监管机构或审计师解释自动化决策的人：他们实际上要求了什么？