মাল্টি-হপ রিজনিং (Multi-Hop Reasoning) বোঝা
ভেক্টর ডাটাবেসগুলো সিম্যান্টিক সার্চের জন্য কাজ করে। কিন্তু মানুষ, সিস্টেম এবং বিভিন্ন ঘটনার মধ্যে মাল্টি-স্টেপ রিজনিং বা বহু-ধাপের যুক্তিনির্ভর বিশ্লেষণের ক্ষেত্রে এগুলো হিমশিম খায়।
স্ট্যান্ডার্ড RAG গাণিতিক পদ্ধতির ভিত্তিতে টেক্সট চাঙ্ক (text chunks) পুনরুদ্ধার করে। এটি ডেটা পয়েন্টগুলোর মধ্যকার সংযোগগুলো মিস করে ফেলে। GraphRAG এই সমস্যার সমাধান করে। এটি Large Language Model-কে একটি লাইভ নলেজ গ্রাফের সাথে সংযুক্ত করে।
একটি Text-Attributed Graph নোড (nodes) এবং এজ (edges) ব্যবহার করে।
- নোড হলো ইউজার বা প্রোডাক্টের মতো এনটিটি (entities)।
- এজ হলো "IMPACTS" বা "CLONED_FROM"-এর মতো সম্পর্ক।
- একটি "হপ" (hop) হলো একটি এজ-এর মাধ্যমে এক নোড থেকে অন্য নোডে যাওয়া।
মাল্টি-হপ রিজনিং এমন সব সংযোগ খুঁজে বের করে যা কোনো একক ডকুমেন্টে থাকে না।
উদাহরণ: একজন ইউজার জিজ্ঞাসা করছেন, "আমি কীভাবে CSV আপলোড এররটি ঠিক করব?"
স্ট্যান্ডার্ড RAG কিওয়ার্ড দিয়ে সার্চ করে। এটি হয়তো কোনো পুরনো FAQ বা একটি এলোমেলো বাগ রিপোর্ট (bug report) প্রদান করতে পারে। এটি বিজনেস কনটেক্সট বা ব্যবসায়িক প্রেক্ষাপটটি বুঝতে ব্যর্থ হয়।
GraphRAG সঠিক পথটি অনুসরণ করে: (User Bug Report) -> [CLONED_FROM] -> (Master Engineering Ticket) -> [HAS_RESOLUTION] -> (Patch Deployed).
এটি LLM-কে একটি অনুমানের পরিবর্তে যাচাইকৃত ধাপগুলো প্রদান করে।
আপনি দুটি পদ্ধতির মাধ্যমে এটি নিয়ন্ত্রণ করতে পারেন:
১. ডেপথ ট্রাভার্সাল (Depth Traversal) নির্দিষ্ট খুঁটিনাটি বিষয় জানার জন্য এটি ব্যবহার করুন। এটি রুট-কজ অ্যানালাইসিসের (root-cause analysis) জন্য উপযোগী। Cypher-এ আপনি হপ-এর একটি রেঞ্জ সেট করতে পারেন। একটি বাগ-এর রিক্রিয়েশন স্টেপ (reproduction steps) খুঁজে পেতে একটি কুয়েরি ১ থেকে ৫ লেয়ার গভীর পর্যন্ত অনুসন্ধান করতে পারে।
২. ব্রেডথ ট্রাভার্সাল (Breadth Traversal) পুরো ইকোসিস্টেম দেখার জন্য এটি ব্যবহার করুন। এটি সমস্ত তাৎক্ষণিক সংযোগ দেখার জন্য অনুভূমিকভাবে (horizontally) বিস্তৃত হয়। এটি আপনাকে একটি নির্দিষ্ট প্রোডাক্টকে প্রভাবিত করছে এমন প্রতিটি সাপোর্ট টিকিট একসাথে দেখতে সাহায্য করে।
উন্নত AI তৈরি করতে এই কুয়েরিগুলো হার্ড-কোড করবেন না। একটি মাল্টি-এজেন্ট সিস্টেম ব্যবহার করুন:
- দ্য কোঅর্ডিনেটর এজেন্ট (The Coordinator Agent): এই এজেন্টটি কুয়েরিটি পরিকল্পনা করে। প্রশ্নটির জন্য ব্রেডথ নাকি ডেপথ প্রয়োজন তা এটি সিদ্ধান্ত নেয়। এটি ইউজার প্রম্পটকে গ্রাফ কুয়েরির জন্য একটি গাণিতিক প্যারামিটারে রূপান্তর করে।
- দ্য রিকার্সিভ রিট্রিভাল এজেন্ট (The Recursive Retrieval Agent): ডাটাবেস যখন নোডগুলো খুঁজে পায়, তখন এই এজেন্টটি সেগুলো মূল্যায়ন করে। এটি LLM দেখার আগেই গুরুত্বপূর্ণ ডেটা সংরক্ষণ করে এবং অপ্রয়োজনীয় তথ্য (noise) সরিয়ে ফেলে।
এই আর্কিটেকচার এমন সিস্টেম তৈরি করে যা তাদের অনুসন্ধান ক্ষমতা স্কেল করতে পারে। আপনি এমন পূর্ণাঙ্গ উত্তর পাবেন যা ভেক্টর সার্চ দিতে পারে না।
ঐচ্ছিক লার্নিং কমিউনিটি: https://t.me/GyaanSetuAi