同事今天问 AI 一条业务规则，系统翻文档、推理、答对了；明天换个人问相近问题，它又从头来一遍，还可能得出不同结论。Miodrag Cekikj 提出的蓝图，想在传统 RAG 之上补上这块缺失的记忆。RAG（检索增强生成）会先找出相关文档片段，再让模型据此回答；但作者认为，缓存只能复用旧答案，并不会让系统积累对业务的理解。
他的方案增加“持久知识层”：把经过验证、可重复使用的结论连同来源保存下来，并在来源变化时更新。更关键的是，它同时划出证据边界——答案不能超出材料实际支持的范围；遇到证据不足、矛盾或可信度不够，系统应拒答，而不是补出一段顺耳的话。文章还把设计分为厂商无关的架构、Azure 实现和一套合成保险公司演示。它提供的是可讨论、可部署的分层思路；材料未披露真实企业环境中的准确率、成本或长期维护结果。