diff --git a/docs/figure/reme-blog/reme-blog-auto-dream.svg b/docs/figure/reme-blog/reme-blog-auto-dream.svg
index c151dbca..7ac5f863 100644
--- a/docs/figure/reme-blog/reme-blog-auto-dream.svg
+++ b/docs/figure/reme-blog/reme-blog-auto-dream.svg
@@ -89,14 +89,15 @@
   <text class="mono" x="940" y="228">digest/procedure/</text>
   <text class="mono" x="940" y="246">build-freeze-playbook.md</text>
   <text class="text" x="924" y="291">Common in</text>
-  <text class="linktext" x="924" y="313">[[wiki/large-ts-projects.md]]</text>
+  <text class="linktext" x="924" y="313">[[wiki/large-ts-projects]]</text>
   <text class="text" x="924" y="347">Follow</text>
-  <text class="linktext" x="924" y="369">[[personal/team-preferences.md]]</text>
+  <text class="linktext" x="924" y="369">[[personal/team-preferences]]</text>
   <line x1="924" y1="399" x2="1138" y2="399" stroke="#d8dee8"/>
   <text class="label" x="924" y="427">Sources</text>
   <text class="linktext" x="924" y="452">[[daily/build-debugging.md]]</text>
   <text class="text" x="924" y="493">Readable body · visible relations</text>
   <text class="text" x="924" y="516">Traceable sources · rebuildable</text>
 
-  <path class="relation" d="M1148 313c14 0 14 56 0 56"/>
+  <path class="relation" d="M1140 313c22 0 22 56 7 56"/>
+  <path d="M1139 369l9-5v10z" fill="#ff963d"/>
 </svg>
diff --git a/docs/zh/reme-blog.md b/docs/zh/reme-blog.md
index ce066b87..9392e346 100644
--- a/docs/zh/reme-blog.md
+++ b/docs/zh/reme-blog.md
@@ -269,9 +269,15 @@ Agent 和产品策略决定。
 
 它不是凭空猜测你的兴趣，而是让那些已经出现在行为和对话中、却还没有被明确表达的线索浮出水面。
 
-## 最后：真正属于个人的 AI 记忆，应该是什么样？
+## ReMe 能帮谁？
 
-我们希望 Agent 越用越懂自己，但“懂”不应该建立在一个无法查看、无法修正、无法带走的黑盒上。
+如果你是 **智能体用户**，ReMe 可以让个人助理不再每次都从零认识你。你的偏好、项目背景、重要资料和过去做过的决定，会在持续对话中沉淀下来，并在真正相关的时候被重新找到。更重要的是，这些记忆不是藏在平台账号里的黑盒数据，而是你可以直接查看、修改、移动和删除的 Markdown 文件。
+
+如果你是 **Agent 或 Harness 开发者**，ReMe 提供了一层可以独立接入的长期记忆基础设施。你可以通过 CLI、HTTP API、MCP Server 或 SDK，让不同 Agent 共享同一个文件化 workspace，而不必为每个应用重新实现记忆抽取、知识整理、混合检索和关系展开。文件是事实来源，索引与缓存可以随时重建，也更容易定位一次错误召回究竟来自原始资料、记忆整理还是检索链路。
+
+如果你是 **研究者、工程师、分析师或重度知识工作者**，ReMe 可以把散落在对话、论文、网页和项目资料中的信息逐步变成个人知识网络。例如，研究者可以每天接收相关论文并连接到已有笔记；工程师可以保留跨项目复用的排障经验；分析师可以持续积累事件、观点与来源，在下一次判断时沿着链接找回依据。
+
+归根结底，ReMe 适合那些希望 AI 不只“回答这一次”，还能够理解过去、积累经验，并在长期协作中越来越贴近自己的用户和开发者。我们希望 Agent 越用越懂你，但“懂”不应该建立在一个无法查看、无法修正、无法带走的黑盒上。
 
 ReMe 给出的答案很朴素：
 
@@ -288,6 +294,18 @@ ReMe 给出的答案很朴素：
 
 这就是 ReMe 想做的事： **让记忆不只被保存，也能持续进化。**
 
+## 欢迎贡献
+
+ReMe 已经开源，我们也欢迎社区一起把这套自进化记忆系统做得更完整：
+
+- 接入更多 Agent 与 Harness，让不同运行环境都能使用同一套用户拥有的长期记忆；
+- 贡献新的 Auto Resource 数据源和工作流，让论文、新闻及其他公开资料能够持续进入知识库；
+- 改进 Auto Memory、Auto Dream、Auto Link、混合搜索与 Proactive，让记忆整理得更准确、关系更清晰、召回更可靠；
+- 补充新的应用案例、评测任务和诊断报告，帮助我们看见真实长期使用中的成功与失败；
+- 完善文档、测试，或通过 Issue 分享你对个人 AI 记忆的需求与想法。
+
+无论是一段代码、一份使用案例、一次问题反馈，还是一个新的记忆工作流，都可能帮助 ReMe 更接近真正可读、可控、可持续进化的个人知识库。
+
 项目地址：[https://github.com/agentscope-ai/ReMe](https://github.com/agentscope-ai/ReMe)
 
 项目文档：[https://docs.agentscope.io/reme](https://docs.agentscope.io/reme)