日本三菱综合研究所（MRI）与日本PKUTECH联合开发了一种名为“AI Memory RAG”的生成式AI技术，该技术能够基于信息的时间序列变化和决策过程，提供更精准的回答。
传统的RAG技术主要依赖单次的相似信息检索，而AI Memory RAG则通过横向分析过去的讨论和判断过程，支持更快速且恰当的实际业务决策。
AI Memory RAG的核心特点
该技术主要针对新闻报道和会议记录等文档数据，扩展了现有AI Memory的数据保存方式。其显著特点是根据文档内容和特性进行结构化处理，以考虑时间变化及人物和关键词之间的关系。
具体做法是将新闻和会议记录等文档拆分为页面、章节、表格和元数据等多个层级，然后自动判定保存格式，形成以下结构：
- 时间序列结构：沿时间轴保存讨论和事件的演变过程
- 图谱（网络）结构：结构化发言者、关键词及相关人物间的关系
- 版本库（变更历史）结构：管理需求定义书、法规等重要变更信息
在生成回答时，系统结合上述结构化数据与AI Memory的查询处理机制，不再是传统RAG的单次相似检索，而是分析查询内容，自动生成所需数据获取和推理步骤。
例如，在系统开发项目中查询规格变更过程时，系统会依次“按时间顺序获取相关会议记录”、“分析决策者的历史发言及利益相关者关系”、“提取决策者意向变化的时间点及原因”，从而完整呈现变更过程并生成回答。
应用场景
该技术预期应用于以下领域：
- 新闻监控与情报分析：持续从新闻和报告中提取事件关系及变化迹象，掌握未来趋势与风险预警
- 开发管理与会议记录管理：保存从需求定义到设计开发的讨论及变更过程，实现基于“为何采用该规格”“谁做出何种决策”的检索与回答
- 知识传承：通过查询历史记录、故障处理等，展示过去的过程、决策理由和应对状况，促进知识共享，减轻交接负担，保障服务质量稳定
未来展望
双方计划通过进一步的精度验证和实证，提升技术实用性，并推广至MRI与PKUTECH的AI解决方案中。
MRI将考虑将该技术应用于支持企业情报业务的AI解决方案“情报基础平台”，作为新闻监控和知识管理技术。
PKUTECH则计划在开发管理、会议记录管理和查询支持领域推进技术实现，并将其集成至旗下AI代理基础平台“Egeria系列”，命名为“Egeria-AI Memory RAG”。
两家公司表示，将推动生成式AI在业务中的高级应用研究与技术开发，助力客户提升生产力和实现高水平决策支持。
