Show HN: AI·rete·RAG – Reteルールエンジンが決定し、RAGが理由を説明
Show HN: AI·rete·RAG – a Rete rule engine decides, RAG explains why (ai-rete-rag.com)
要約
このプロジェクトは、監査が必要な意思決定（融資、不正検知、臨床トリアージなど）にLLMを直接使用するのではなく、まず純粋なPython ReteエンジンでYAMLルールに基づいて事実を評価し、その決定をLLMがRAG（Retrieval-Augmented Generation）を用いてポリシー文書から引用して説明する仕組みを提供します。これにより、決定の再現性と説明責任が保証されます。
全文翻訳
Hi HN、
私は、監査が必要な意思決定（融資、不正、臨床トリアージなど）にLLMを直接担当させ、後から「ガードレール」を付け足すという状況を度々目にしました。そこで、ai·rete·rag を開発しました。
このシステムは、それらを直列に実行します。
- 純粋なPython製Reteエンジンが、YAMLルールを事実（facts）に対して評価します。判定はここからのみ得られます。同じ事実、同じ判定が毎回得られ、優先度に基づいた競合解決が行われます。
- RAGが、あなた自身のポリシー文書から該当箇所を検索し、LLMが既に下された決定について、それらの箇所を引用しながら平易な英語で説明を作成します。判定を変更することはできません。
予想以上に進んだ点がいくつかあります。
- ルールはフラットなリストではなくグラフです。ネストされた all/any/not を使用でき、ルールは他のルールが消費する事実を表明できます（フォワードチェイニング）。決定トレースは因果連鎖を示します。
- 監査モードは、評価されたすべてのルールを記録します。評価されなかったルールも含め、条件ごとに、ルールセットのスナップショットを保存して再生できるようにします。
- ルールは検索を誘導できます（発火したルールが検索対象のドキュメントを絞り込む）。検索されたテキストはエンジンの事実として変換できます。
- 技術者でない作成者は、ビジュアルエディタでルールを作成したり、ポリシー文書を貼り付けてLLMが作成したルールを引用付きで取得したりできます。ドラフトはレビューなしで保存されることはありません。エンジニア向けにはYAMLも引き続き利用可能です。
ランディングページには、サインアップ不要のライブデモがあります（8つのデモドメイン：ローン、不正、臨床、保険、法律、オペレーション、eコマース、ブロックチェーン）。MCPサーバーもあるため、Claudeなどのエージェントはツールとして /decide を呼び出すことができます：uvx ai-rete-rag-mcp。
率直に申し上げると、これは無料ティア付きのホスト型製品です。MCPクライアントはオープンソース（MIT、github.com/zaharajabeen13-create/ai-rete-rag-mcp）ですが、エンジンとプラットフォームは現時点ではオープンソースではありません。
特に、規制当局や監査人に自動化された決定を説明しなければならなかった経験のある方からのフィードバックを特に聞きたいです。彼らは実際に何を求めていましたか？