OpenContext 将文档自动分解为 L0/L1/L2 三层摘要，Agent 按需逐层深入，不浪费一个 token。内置 Session 记忆，知识随对话积累。
文档进，知识出——Agent 按需获取，不多不少
PDF / DOCX / 代码 / 网页
L0 一句话 / L1 段落 / L2 全文
ctx:// URI 逐层浏览
自动提取偏好与知识
核心创新：用 token 预算换取信息密度
每个文档用一句话概括核心内容，Agent 快速扫描数百篇文档只需极少 token。
结构化摘要，包含要点、方法、结论。Agent 判断是否需要深入的最佳粒度。
原始文档全文，保留完整细节。只有确认需要时 Agent 才读取，避免 token 浪费。
文件系统语义，MCP 协议原生支持
# 浏览知识库（像 ls 一样） oc ls ctx://resources/docs # 快速扫描：一句话了解每篇论文 oc read ctx://resources/docs/paper.pdf --level L0 # → "本文提出扩散解码替代自回归OCR的统一框架" # 需要更多细节？读 L1 oc read ctx://resources/docs/paper.pdf --level L1 # 语义搜索 oc find "attention mechanism" # 关键词搜索 oc grep "transformer"
为 Agent 场景从零设计，不是向量数据库的包装
每个文档有唯一 URI（如 ctx://docs/paper.pdf），Agent 像浏览文件系统一样导航知识，无需记忆向量 ID。
向量语义搜索找相关内容，正则关键词搜索找精确匹配。层级 drill-down 自动从 L0 深入到 L2。
Agent 的对话自动提取用户偏好和执行经验，持久化到知识库。下次对话自动加载，知识随交互积累。
内置 MCP Server，直接接入 Claude Desktop、Cursor 等 MCP 客户端，Agent 无需额外集成代码。
PDF、DOCX、EPUB、代码（AST 级）、HTML、图片（VLM），一次导入，统一为 L0/L1/L2 三层结构。
每次检索自动记录 trace：查询内容、候选数、drill-down 深度、rerank 变化。完整的可观测性。
开源免费，Docker 一键部署，5 分钟接入。