Büyük kurumların ortak sorunu: uzman bilgisi ya hiç yazılmamış ya da belgelere dağılmış. Uyum alanında aynı soru tipleri yüzlerce ürün incelemesinde tekrar ediyor, uzman değerlendirmeleri günler sürüyor ve değerlendirmeler arası tutarsızlık gerçek bir risk yaratıyor. Uzmanlar zamanlarının büyük kısmını rutin sorulara harcıyor, yargılarının asıl gerektiği yeni ve belirsiz işe değil.

Meta, belirli bir uyum alanı için bir ikinci beyin ajanı kurmuş. Yeniliği iki katmanın birleşiminde: (1) bilmeyi muhakemeden ayıran yapılandırılmış ve denetlenebilir bir bilgi mimarisi, (2) uzman geri bildirimini modeli yeniden eğitmeden, doğrulanmış ve regresyon testinden geçmiş güncellemelere derleyen bir kendini geliştirme döngüsü. Sistemin dört katmanı var: bilgi sistemi, akıl yürütme katmanı, değerlendirme çerçevesi ve iyileştirme döngüsü. Biri çıkarılırsa diğerleri bozuluyor.

Temel tespit şu: bir ajan çıkarım anında belge parçaları getirirse, uzmanın muhakemesini her çalıştırmada ham kaynaklardan yeniden türetmek zorunda kalır; bu yavaş, hataya açık ve tutarsız. Bunun yerine uzun süren bir çevrimdışı süreç kaynak belgeleri üzerinde akıl yürütüp 200'den fazla yapılandırılmış bilgi dosyasına damıtıyor: kurumun alanı nasıl yorumladığı, kısıtları, sınırları ve yönlendirme sonuçları makine tarafından okunur hâlde. Dosyalar sıkı bir sınıflandırmada: pozisyon dosyaları (kurumun otoriter duruşları), taksonomi ve sözlük dosyaları (tek doğruluk kaynağı), yönlendirme dizinleri (girdi özelliklerini ilgili pozisyonlara eşler; embedding benzerliğine tek başına dayanmadan, yani getirme belirlenimci ve denetlenebilir) ve geçit dosyaları (ajanın bir analiz alanına girmeden geçmesi gereken eşik testleri). Her dosya YAML başlığında depends_on ve referenced_by bildiriyor, böylece çift yönlü bağımlılık grafiği oluşuyor: bir dosya değişince nelerin etkilendiği izlenebiliyor.

Wiki ile RAG arasında bölme kararı da açık: yoğun ve sık kullanılan bilgi wiki'ye, seyrek ve duruma özgü kaynaklar anlamsal ya da sözcüksel aramaya (RAG) gidiyor.