HN：ai·rete·RAG —— Rete 規則引擎決策、RAG 負責解釋原因
為何重要
這項技術切中企業級 AI 在合規性與透明度上的痛點，將高自由度的大模型決策轉化為受控的確定性邏輯，極大提升了金融、醫療等受監管產業的系統可信度與可監管性；對於開發者而言，這代表了從「純 LLM」到「規則 + LLM 混合模式」的一個重要落地範例。
為了改善自動化決策（如核貸、防詐）缺乏可審計性的問題，作者打造了 ai·rete·RAG 架構；先由 Rete 規則引擎（用 YAML 撰寫）保證決策的一致性與確定性，再透過 RAG 從政策檔案中擷取段落，由 LLM 生成宣告僅限解釋不影響判決的說明。
- 架構設計：將決策邏輯與解釋機制分離，Rete 引擎依據 YAML 規則判定結果以確保一致性，LLM 僅負責生成引用特定政策檔案的解釋，無法修改判決。
- 規則模型：支援圖形狀態的規則設計（巢狀 all/any/not 與前向推導），追蹤模式記錄包含未觸發規則在內的每一條件評估細節。
- 檢索最佳化：具備「規則導向檢索」（rule steering retrieval），觸發的規則可縮窄檔案搜尋範圍，並將搜尋結果轉化為事實傳入引擎。
- 部署整合：提供 MCP 伺服器讓 Claude 等代理程式透過
/decide工具呼叫；官方網站備有無需註冊的 live demo 涵蓋核貸、反防詐、醫療分類等 8 範圍。