تصور کنید می‌خواهید بدانید یک کمک مالی خیریه، پیش از آنکه به یک برنامه نهایی برسد، دقیقاً از چه مسیرهایی و از طریق چه واسطه‌هایی عبور می‌کند. Clearfund، ابزار جدیدی است که برای چالش Sanity (مسیر اول: ارسال عاملی که محتوای واقعی را پرس‌وجو می‌کند) عرضه شده است. این ابزار با تبدیل فرم‌های متراکم و پیچیده مالیاتی IRS Form 990 به نمودارهای زنجیره‌ای تعاملی و جداول کمک‌های مالی، به این پرسش پاسخ می‌دهد.
ردیابی پول در بخش غیرانتفاعی به‌شدت دشوار است؛ زیرا وجوه اغلب پیش از رسیدن به سازمانی که برنامه‌های اجرایی را مدیریت می‌کند، از طریق حامیان صندوق‌های توصیه شده توسط اهداکننده (Donor-Advised Funds) یا بنیادهای محلی عبور می‌کنند. اگرچه این مسیر در فرم‌های مالیاتی IRS و به‌طور خاص در جداول Schedule I به صورت عمومی ثبت شده است، اما این جداول به‌ندرت توسط عموم مردم برای مطالعه یا تحلیل خوانده می‌شوند. Clearfund این مشکل را با تبدیل این پرونده‌ها به یک گراف قابل پرس‌وجو، به‌جای اسنادی ایستا، حل می‌کند. در واقع این سیستم به عنوان یک ابزار شفافیت بی‌طرف عمل می‌کند که در آن کاربران می‌توانند خودشان تصمیم بگیرند که حقایق استخراج شده چه معنایی دارند.
زمینه و موارد استفاده
این ابزار برای پاسخ به پرسش‌های پیچیده درباره جریان‌های نیکوکارانه طراحی شده است. کاربران می‌توانند سوالاتی از این دست بپرسند: «اگر من به بنیاد جامعه سیلیکون‌ولی (Silicon Valley Community Foundation) کمک کنم، چند مرحله پرش (Hop) تا رسیدن به یک برنامه نهایی فاصله است؟» یا «پول‌های Fidelity Charitable به کجا می‌رود؟». علاوه بر این، Clearfund می‌تواند الگوهای سیستماتیک را شناسایی کند؛ مثلاً تشخیص دهد کدام سازمان‌ها همزمان هم کمک دریافت می‌کنند و هم آن را به دیگران باز-توزیع (Re-grant) می‌کنند، یا اینکه بزرگ‌ترین تامین‌کنندگان مالی Navigation Charitable Fund چه کسانی هستند.
هر پاسخی که توسط این عامل (Agent) ارائه می‌شود، شامل سه جزء حیاتی برای تأیید است:
- یک نمودار زنجیره‌ای که هر مرحله پرش را نشان می‌دهد و اندازه عناصر بصری آن بر اساس مبلغ کمک مالی مقیاس‌بندی شده است.
- یک جدول کمک‌های مالی که جزئیات مبالغ، سال‌ها و اهداف هر کمک را شرح می‌دهد.
- یک لینک مستقیم در هر تراکنش به پرونده اصلی IRS، که به کاربران اجازه می‌دهد ادعای مطرح شده را شخصاً بررسی و بازبینی کنند.
معماری این سامانه بر پایه ادغام سه لایه Sanity، Vercel AI SDK و Gemini بنا شده است. توسعه‌دهنده داده‌های باز IRS را در قالب دو نوع سند اصلی مدل‌سازی کرده است: سازمان‌ها (که با EIN، نام، ایالت و کد NTEE شناسایی می‌شوند) و کمک‌ها (که تامین‌کنندگان را به گیرندگان متصل کرده و شامل مبلغ، سال مالیاتی، هدف، سطح تطبیق و sourceObjectId مربوط به IRS هستند). این ساختار تضمین می‌کند که پرس‌وجوهایی مانند «این بنیاد به چه کسی کمک کرده است؟» به صورت جست‌وجوی دقیق (Exact Lookup) انجام شوند و نه از طریق تطبیق‌های متنی غیرقابل‌اعتماد.
جزئیات پیاده‌سازی فنی
Clearfund برای تضمین دقت واقع‌بینانه، از یک استراتژی بازیابی ترکیبی استفاده می‌کند که یک پایگاه دانش را با دسترسی مستقیم به داده‌ها ادغام می‌کند:
- پایگاه دانش زمینه (Context Knowledge Base): این لایه که از طریق یک نقطه انتهایی پروتکل MCP (Model Context Protocol) ارائه می‌شود، اطلاعات پس‌زمینه درباره سازمان‌ها را فراهم می‌کند. این بخش از یک مجموعه داده تولیدی شامل ۱۰۴ سند ساخته شده که در ۱۰ ورودی سازمان‌یافته است و موضوعاتی مانند کمک‌های واسطه‌ای بنیادهای محلی و جریان‌های صندوق‌های توصیه شده توسط اهداکننده را پوشش می‌دهد. عامل برای پیمایش در این پس‌زمینه از توابع
initial_context،knowledge_base_searchوknowledge_base_readاستفاده می‌کند. - پرس‌وجوهای مستقیم GROQ: برای استخراج ارقام دقیق، عامل چهار ابزار سفارشی را از طریق Vercel AI SDK فراخوانی می‌کند. این ابزارها شامل
getGrantsByFunder(نمایش کمک‌های بزرگ‌تر در ابتدا)،getGrantsByRecipientوfindIntermediaries(برای شناسایی سازمان‌های باز-توزیع‌کننده) هستند. - ابزار traceChain: این حیاتی‌ترین ابزار برای پاسخ به سؤال «چند مرحله پرش؟» است. این ابزار از یک شناسه EIN شروع می‌کند، بزرگ‌ترین کمک خروجی از آن سازمان را برمی‌دارد، مرجع گیرنده را دنبال می‌کند و این روند را تا رسیدن به یک حد مجاز از پرش‌ها تکرار می‌کند. در نهایت، هر پرش را به همراه
sourceObjectIdخاص خود بازمی‌گرداند. - مقیاس داده‌ها: مجموعه داده عمومی فعلی (پروژه vnc5zsa7) شامل ۶۴ کمک مالی و تقریباً ۴۰ سازمان است که از پرونده‌های عمومی استخراج و وارد شده‌اند.
طبق مستندات پروژه، به عامل صراحتاً دستور داده شده است که ابزارهای GROQ را به عنوان منبع اصلی حقایق و پایگاه دانش را صرفاً برای درک زمینه در نظر بگیرد. این تفکیک مانع از توهم (Hallucination) مدل زبانی در مورد جریان‌های مالی می‌شود. برای مثال، در طول آزمایش‌ها، پایگاه دانش به تنهایی پیشنهاد می‌کرد که Navigation Charitable Fund وجوه را به جلو منتقل می‌کند؛ اما پرس‌وجوی ساختاریافته GROQ به درستی نشان داد که هیچ کمک خروجی وجود ندارد و زنجیره در همان پرش اول پایان می‌یابد. این رویکرد به مدیریت دقیق‌تر خروجی‌های عامل کمک می‌کند، مشابه آنچه در استفاده از SOPهای مستند برای جلوگیری از خطاهای کدنویسی عامل‌ها برای کاهش نرخ شکست در وصله‌های نرم‌افزاری مشاهده شده است.
این رویکرد، نقش مدل زبانی بزرگ (LLM) را از یک منبع دانش به یک هماهنگ‌کننده (Orchestrator) تغییر می‌دهد. Clearfund با ترسیم نمودارها مستقیماً از نتایج پرس‌وجوهای ساختاریافته (به جای تکیه بر کلمات مدل)، تضمین می‌کند که هر ادعا توسط یک شناسه منبع IRS پشتیبانی شود (مانند Source: 202413129349304911). همچنین در طول فرآیند ساخت، توسعه‌دهنده پنج تداخل را برطرف کرد که در آن‌ها EIN یک سازمان به دو روش مختلف نوشته شده بود؛ در این موارد، فرم ساده‌تر برای تضمین یکپارچگی داده‌ها ترجیح داده شد.
برای کاربر نهایی، این یعنی تفاوت بین یک مسیر «احتمالی» و یک ردپای حسابرسی‌شده و تأیید شده. Clearfund فرآیند مبهم باز-توزیع نیکوکارانه را به یک نقشه قابل اندازه‌گیری تبدیل می‌کند و به اهداکنندگان اجازه می‌دهد ببینند آیا پولشان در یک واسطه متوقف شده است یا به مقصد مورد نظر رسیده است. شما می‌توانید قابلیت‌های این ابزار را با پرس‌وجو درباره موجودیت‌های خاصی مانند Silicon Valley Community Foundation یا CZ Biohub آزمایش کنید تا زنجیره پرش‌های حاصل را به صورت لحظه‌ای مشاهده نمایید.
گام بعدی شما
- اگر در حوزه تحلیل داده‌های عمومی فعالیت می‌کنید، معماری تفکیک «منبع حقیقت» از «زمینه متنی» در این پروژه را بررسی کنید.
- قابلیت‌های ابزار را با پرس‌وجو درباره سازمان‌هایی مثل CZ Biohub در محیط تست امتحان کنید.
- بررسی کنید چگونه پروتکل MCP می‌تواند دسترسی مدل‌های زبانی به داده‌های محلی شما را استاندارد کند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو