Show HN：AI·rete·RAG——Rete 规则引擎作出决策，RAG 解释原因

大家好，我构建了 ai·rete·rag，因为我不断看到一些团队让 LLM 负责那些需要可审计的决策（贷款、欺诈、临床分诊），然后事后再加上“护栏”。 这个项目改为让两者串联运行： 1. 纯 Python 实现的 Rete 引擎根据事实评估 YAML 规则。判定结果只来自这里。相同的事实，每次都得到相同的判定，并通过基于显著性的冲突解决机制处理冲突。 2. RAG 从你自己的政策文档中检索段落，然后由 LLM 撰写通俗易懂的决策解释，引用这些段落。它无法改变判定结果。 有几件事的发展超出了我的预期： - 规则是一个图，而不是扁平列表：支持嵌套的 all/any/not，并且规则可以断言供其他规则使用的事实（前向链接）。决策追踪会展示因果链。 - 审计模式会记录评估过的每一条规则，包括那些未触发的规则，逐条件记录，并保存规则集快照以便重放。 - 规则可以引导检索（触发的规则会缩小要搜索的文档范围），检索到的文本也可以转换为供引擎使用的事实。 - 非技术人员可以在可视化编辑器中构建规则，也可以粘贴政策文档，让 LLM 起草带引用的规则。未经审核，草稿绝不会被保存。工程师仍然可以使用 YAML。 落地页提供无需注册的在线演示（涵盖 8 个演示领域：贷款、欺诈、临床、保险、法律、运营、电子商务、区块链）。此外还有一个 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`。 坦率地说：这是一个提供免费套餐的托管产品。MCP 客户端采用 MIT 许可证并已开源（github.com/zaharajabeen13-create/ai-rete-rag-mcp）；引擎和平台目前并未开源。 我尤其想听听曾经需要向监管机构或审计人员解释自动化决策的人分享经验：他们实际要求了什么？ 评论链接： https://news.ycombinator.com/item?id=49803683 得分：6 评论数：0