Bi-temporal 回答事实何时为真。细分向量回答对谁为真。

当代时序图系统（Zep、mem0、Graphiti）能很好地回答一个问题：这个事实现在是否为真？在 KAAS 规模下，产生价值的问题更进一步：这个事实现在对谁为真？关于某品牌的表层声明，在某一层级可能为真，在另一层级可能存在争议。同一声明可能在 EMEA 精品店成立，在拉丁美洲大众市场门店失败。如果没有办法将事实范围限定到劳动力或客户群的某一切片，答案就会扁平化为一个没有人真正相信的语料库整体平均值。

平台为每个事实附加一个细分向量。该向量是对行业纵向相关分割轴（层级、地理位置、门店格式、客户细分、品牌合作伙伴、人口统计）的稀疏投影。查询将向量与调用者范围相交。细分向量与范围不相交的事实不会被返回。它们不是被策略层隐藏的，而是根本不在结果集中。

早期商业部署中使用的形态跨越四个层级进行采集。第一层方向（高级领导层）持有品牌的内部叙事。第二层品牌运营商（市场营销、传播、商品、设计）执行该叙事。第三层一线员工（门店经理和加盟商）看到实际发生在一线的情况。第四层客户从外部感知品牌。同一表层声明在每个层级取不同的值。

「该品牌是一个平价时尚目的地」今天可能在第四层为真，今天在第二层存在争议（品牌运营商正在进行尚未传达到客户的重新定位），并且在 2023 年第一层为真（当时战略不同）。同一声明，三个 valid_at 时间窗口，三个细分范围。平台在同一语料库中保存三种状态，并为正确的查询返回正确的答案。

正是这一属性使方向团队能够看到其顾问和客户所看到的内容，而不会将四个视角压缩为一个掩盖差距的单一平均值。

在大型美妆零售部署中，目录上的每个品牌合作伙伴都为进入语料库的范围限定 API 付费。范围是细分向量的投影。品牌合作伙伴的 API 密钥投影到 brand_partner = <their_brand>。查询返回与该投影相交的事实。目录上的每个其他品牌合作伙伴获得平行范围，各自限定在自己的切片内。

一个品牌合作伙伴无法看到另一个品牌合作伙伴的事实。细分向量确保跨合作伙伴的事实不在查询结果中。没有访问控制规则叠加在共享数据集之上。只有一个数据集，查询语言在任何访问控制运行之前就限定了结果范围。

同样的属性适用于客户细分轴。「X 号色调最常被拒绝」对于拉丁美洲大众市场门店可能为真，对于 EMEA 精品店可能为假。事实在其细分向量上携带两个时间窗口。以拉丁美洲为范围的查询返回真。以 EMEA 为范围的查询返回假。两者都是正确的。

每个行业纵向命名自己的轴。通用结构相同：在少量轴（通常四至七个）上的稀疏向量，每个轴携带离散或低基数的值集。

零售业（四层级形态）。层级（方向、品牌运营商、一线员工、客户）、地区、门店格式、客户群体。

大规模美妆零售业。地区、市场、门店格式、品牌合作伙伴、客户细分、顾问年资段。

咨询业。业务领域、合伙人群体、参与规模段、客户行业。

餐饮业。概念、地区、门店格式、班次段、时段。

轴按部署记录。它们是可累加的：当方法论需要时（新客户群体涌现、新区域开放），可以引入新轴，并且历史语料库被重新投影，以便新轴在对话包含信号的地方追溯性地填充。

当矛盾信息到来时，时序模型和细分向量协同工作。平台不会悄然无效化被新证据超越的事实。它检查新证据是适用于整个语料库还是仅适用于某一切片。如果仅适用于某一切片，旧事实被拆分：带有矛盾证据的新事实以更小的细分范围创建，旧事实从其细分向量中删除该范围，旧事实在仍然适用的地方继续有效。

这就是遗忘过去的工具与诚实保存过去的基础设施之间的区别。语料库不假装矛盾不存在，而是记录新声明适用的切片，并保留旧声明仍然成立的切片。