微信有好友，微博有关注，LinkedIn 有 Connections，通讯录有联系人。但这些系统记录的大多只是“连接”，人真正生活其中的却是“关系”。
互联网已经非常擅长让两个人建立连接，却几乎不知道他们究竟是什么关系。
扫一扫二维码、点击关注、发送好友申请、加入一个群、交换电话号码，几秒钟后数据库里就多了一条记录：A 与 B 已连接。从工程角度看，这非常成功。
但现实中的一个人可能同时是同学、同事、朋友、客户、合作伙伴、老师、学生、亲属，也可能是曾经亲密、后来疏远的人。同一段关系还会经历身份重叠和变化：同学成为合作伙伴，合作伙伴成为朋友，朋友因为利益发生冲突，亲密关系结束后仍可能继续事业合作。
Friend = True 不是现实关系，只是平台为了运行而保留的最小字段。
连接决定内容可见、推荐分发和广告圈层，所以平台只需要知道谁连接了谁。
经典 Social Graph 把人画成节点，把关注、好友和群成员画成边。这张图能表达 A 关注 B、B 是 C 的好友、C 和 D 在同一个群，却无法表达为什么认识、认识多久、共同经历过什么、目前处于什么阶段、双方如何分别理解这段关系，以及哪些事实支撑这个判断。
人和人连接了吗？
他们之间究竟发生了什么？
当 AI 说“张三是你非常重要的朋友”，第一个问题不应是模型准确率，而应是：为什么？
这个判断来自十年的聊天、共同旅行、频繁见面、工作合作、照片、介绍关系、重大事件中的互相帮助，还是仅仅因为最近聊天很多？关系不能只有结论，还应该拥有证据。
直接对话、共同事件与经历、介绍与转介、参与者主动声明，以及 AI 基于既有材料提出的推断，都可以成为关系证据，但不同来源具有不同权重、权限和可解释边界。
Relationship 因此不再是一条普通图边，而成为一种 evidence-backed、user-governed、auditable 的领域对象：有证据支撑、由用户治理、可以审计。
AI 能发现关系，不代表 AI 有权定义关系。
AI 可以发现连续七年的合作、贯穿多个重大项目的人、半年内显著下降的互动频率，也能看见那些很少联系却总在关键时刻出现的人。这些推断可能很有价值。
但当 AI 根据聊天推断“你们属于亲密朋友”，而当事人认为“我们只是合作伙伴”，最终解释权应该属于人。
AI 是关系的发现工具，不是关系裁判。
关系既包含共同事实，也包含参与者自己的理解；有时并不存在一个简单、客观、唯一的答案。
A 认为 B 是最好的朋友，B 可能只认为 A 是普通朋友；A 认为双方正在发展亲密关系，B 可能认为只是熟人；创业者认为某个人是联合创始人，对方可能认为自己只是项目顾问。
FNB 允许不同参与者对同一组证据保留不同的 RelationshipAssertion。A 可以保留自己的理解，B 也可以保留自己的理解，这些理解甚至可以彼此冲突，而系统不必强迫整个世界接受一个统一标签。
关系并不存在一个永远正确的“上帝视角”。
关系不是一个静态名词，更接近一个不断变化的过程。
朋友圈里的“好友”可能是昨天刚认识的人、十年前的大学同学、五年没联系的人、每天见面的同事，也可能是曾经亲密而如今疏远的人。在平台数据库中，他们拥有完全相同的状态；在人类现实中，关系却不断经历变化。
真正的 Relationship 系统必须知道证据发生在什么时候，什么事情改变了关系，某个判断何时形成，后来是否修正，哪些旧判断已经失效。
模型会变化、算法会升级、推断会重新计算；系统不能因此悄悄重写关于人的社会事实。
如果平台今天认为“你和某个人关系亲密度 82%”，模型升级后变成 61%，用户却看不到变化从何而来，机器就在静默重写历史。
因此，长期存在的关系、记忆与身份推断，至少应该保留：基于哪些证据、由哪个模型生成、置信度是多少、为什么得出判断、用户是否确认或修改、过去曾经是什么结果。
AI 不只要给出答案。
它还要留下为什么这样判断的证据、解释、审计与纠正历史。
机器理解关系以后，谁拥有解释权和决定权？
AI 会越来越了解一个人：喜欢谁、信任谁、依赖谁、谁影响最大、与谁正在疏远、谁最可能成为未来的重要关系。能力本身并不可怕，真正危险的是这种理解掌握在谁手里。
由平台掌握，它可能成为推荐系统的一部分；由广告系统掌握，它可能成为商业画像；由黑箱 AI 掌握，它可能在用户不知情时影响人的判断。关系计算的核心治理问题，不只是“机器能不能理解”，而是“这种理解最终服从谁”。
过去互联网认真对待账号、帖子、照片、文件、订单与支付，却把关系放在好友表的一条记录、关注表的一条边或通讯录的一行文字里。
Relationship 应该拥有自己的 ID、参与者、证据、时间、状态、参与者各自的解释、AI 推断、确认记录、权限、纠错、审计与生命周期。
当这些东西组合起来以后，我们描述的不再只是“A 认识 B”，而是 A 与 B 在什么时期因为哪些事件建立联系，之后形成哪些共同经历，目前双方如何分别理解，而机器判断又基于哪些证据。
让两个陌生人产生关系的，不只是认识同一个人，而是他们在世界中的经历发生了重合。
比“你们有 8 个共同好友”更有意义的信息，可能是：参与过同一个项目，去过同一个活动，拥有某段共同经历，长期关注同一领域，被同一个人介绍，或在某个社会网络中存在长期交叉。
共同好友只是一种连接计数；共同语境才开始解释人与人为什么可能理解彼此。
人的社会能力不会无限增长。一个人真正能够长期维系的重要关系始终有限。
下一代关系基础设施更值得回答：谁真正长期存在于我的生命里？我们共同经历过什么？哪些关系正在变化？哪些人很久没有联系却依然重要？哪些关系值得重新建立？哪些判断只是 AI 的猜测？哪些关系定义是我真正认可的？
未来真正重要的社交基础设施，不是帮人认识更多的人，而是帮助人理解、保存和治理已经发生的关系。
平台时代，关系长期只是信息传播的通道；内容、流量与推荐成为中心，关系反而退到后台。
但人不是为了信息流才建立关系。恰恰因为人与人之间存在真实关系，信息才具有意义：一句普通的话因为来自重要的人而重要，一张普通照片因为属于共同经历而值得保存，一个普通地点因为在那里发生过某件事而成为记忆。
未来的数字社会不应该只有 Social Graph。它还需要真正意义上的 Relationship：不是一根连接两个账号的线，而是一段有时间、有证据、有记忆、有解释、有边界，并最终由人自己治理的关系。
关系不是平台替我们建立的一条连接。
关系是人与人共同经历过的时间。
技术所应该做的，不是替我们定义它，而是帮助我们保存它、理解它，并把最终解释权重新交还给人。