1. 为什么现在适合加入 RAG

前面的记忆系统已经完成了第一版闭环：最近消息保留当前对话，会话摘要承接更早内容，agent_memories 保存偏好、边界和关系目标。长期记忆数量不多时，按重要度和更新时间取前几条，简单而且稳定。

随着使用时间增长，一个用户和同一个 Agent 之间可能积累几十条甚至上百条记忆。此时固定取“最重要的 6 条”会出现明显问题。

用户这次说“最近准备转岗，面试时有点紧张”，真正相关的可能是几个月前保存的“用户面试前希望先梳理事实，不喜欢空泛鼓励”。它不一定是最新的，也不一定拥有最高重要度。固定排序很容易把“喜欢简短回复”“周末习惯晚起”等记忆放进 Prompt，却漏掉当前话题真正需要的那一条。

RAG 升级要解决的就是这个问题：从全部长期记忆中，找出与本轮对话最相关、当前仍然有效、而且属于当前用户与当前 Agent 的少量内容。

这次升级不会把聊天消息全部塞进向量数据库，也不会让 Vectorize 成为新的事实源。最近消息仍然按时间读取，会话摘要仍然从 D1 获取，只有长期记忆增加语义检索。