我们做 Agent 时发现一个挺反直觉的问题：记得越多，不一定越聪明，反而更容易被过期信息带偏。 比如用户三个月前说喜欢 A ，后来明确改成了 B 。 把两条都扔进向量库，检索时可能一起回来；直接用 B 覆盖 A ，又会丢掉“为什么改”。在合同修订、理赔、研究这类跨几周甚至几个月的工作里，真正有价值的往往正是这些变化和判断过程。 RAG 能找回“相关内容”，但相关不等于现在还有效。 所以我们做了 OpenContext： https://github.com/melandlabs/opencontext OpenContext 给事实加上时间、版本和关系，让 Agent 能分清： 一条信息从什么时候开始有效； 新信息是在补充、替代还是反驳旧信息； 用户现在的偏好是什么，三个月前又是什么； 当前结论是怎么一步步变成今天这个版本的。 换句话说，它不只是让 Agent“记住”，还让 Agent 能回答： 用户现在喜欢什么？ 三个月前系统知道什么？ 当前结论替代了哪条旧结...