OpenHuman 的记忆树并不是简单地把所有聊天记录堆砌在一起，而是采用了动态图谱结构与向量数据库相结合的机制。当你提供信息时，底层的 Rust 核心会调用轻量级模型将文本拆解为实体（Entity）和关系（Relation），并将它们作为节点和边存储在本地 SQLite 的向量表中。在跨会话交流时，一旦你的提问触发了某个相关联的节点，系统会自动顺藤摸瓜，提取相关的记忆子树，并作为上下文拼接到当前的系统提示词中。这种机制使得 Agent 能够在极低的 token 消耗下，精准回忆起几个月前你设定的偏好或项目背景。