決定検索とは何か？

エージェントにメモリを与えるデフォルト方法は、ベクトルRAGです。すべてを埋め込み、上位のマッチングチャンクを取得し、プロンプトに貼り付けます。ドキュメントの場合はこれが機能します。決定の場合は、構造的に失敗します。決定は、段落ではなく、小さな関係のウェブです。提案、賛成および反対の議論、各証拠、承認された例外、従った過去のケースです。

これをテキストに平坦化し、埋め込み、取得により、フラグメントが返されます。関係は切断されます。結論はカウンター議論なし、承認は推論なし、先例の言及は先例自体なしです。実践者はこれを、"チャンクスープ"と呼びます。決定検索は、これを回避します。決定を構造化された単位として取得します。関係は、推論に含まれる代わりに、最初のクラスのエッジとして保存されます。

汎用の知識グラフは、記述的なエッジを保存します。"言及"、"関連する"です。これらは、2つのものが接続されていることを示しますが、どのように接続されたかは示しません。決定グラフは、規範的なエッジを保存します。サポート、反対、反証、修飾です。エッジの種類は、推論です。グラフは、決定で重要だったものをすでにエンコードしています。

これは、決定グラフが、汎用のエンタープライズグラフが苦労する、GraphRAGのサブストレートとして特に優れている理由です。汎用グラフは巨大です。エッジは低信号です。自然なルートノードはありません。トラバーサルには明確な停止ポイントがありません。決定グラフは、反対の特性を持っています。各決定は自然なルートです。エッジは実際の推論を運びます。1つの決定のサブグラフは小さく、自然に有界です。議論、証拠、および引用された先例に拡張します。次に停止します。

ベクトルとグラフは、ここではライバルではありません。決定取得は、ベクトルを使用してエントリーポイントを見つけ、グラフ構造を使用して完全なコンテキストを取得します。実践では、これはパイプラインです。(1)決定および議論の埋め込み上のベクトル検索により、関連する過去の決定が見つかります。(2)構造化されたフィルタにより、カテゴリ、エンティティタイプ、および先例の成熟度で絞り込み、検証されたケースを取得します。(3)グラフ拡張により、各決定の議論および証拠が取得されます。(4)結果重み付けランキングにより、結果が良かった先例が浮かび上がります。(5)結果は、有界の決定パケットにパッケージ化されます。

深度、ノード数、および時間のハード制限により、拡張が制御されます。出力は、トークンの壁ではありません。完全な決定の小さなセットです。

メモリは、エージェントが推論中に到達できる場合にのみ有用です。決定取得は、2つの方法でエージェントに公開されます。モデルコンテキストプロトコル（MCP）上で、search_precedentsおよびget_packetなどのツールにより、エージェントは関連する過去の決定を照会し、決定パケットをインラインで取得できます。書き込みパスもMCP上で機能します。エージェントはトレースを作成し、推論を記録し、決定を封じ、決定パケットを即座に取得できます。エージェント間の委任（A2A)では、決定パケットはエージェント間で渡されるペイロードです。受信エージェントは、決定の完全な自己完結コンテキストを継承します。送信者のデータベースへのアクセスは必要ありません。パケットは、設計によって移植可能です。これが、信頼境界を越えて渡すことが安全である理由です。