WorldDB：具有本体感知写入时调和机制的向量世界图记忆引擎

持久记忆是无状态聊天机器人与长期运行的智能体系统之间的分水岭。在平面向量存储上做检索增强生成（RAG）会将事实碎片化为文本块、丢失跨会话的身份信息，并且没有关于取代（supersession）或矛盾的一等概念。近期的双时态知识图谱系统（Graphiti、Memento、Hydra DB）增加了类型化边和有效时间元数据，但图本身仍是平面的：没有递归组合，节点上没有内容寻址的不变量，边类型除标签外不携带任何行为。我们提出WorldDB，一个建立在三项承诺之上的记忆引擎：(i) 每个节点都是一个世界（world）——一个拥有自己内部子图、本体范围和组合嵌入的容器，可递归到任意深度；(ii) 节点是内容寻址且不可变的，因此任何编辑都会在该节点及每个祖先上产生新哈希，免费获得Merkle式的审计轨迹；(iii) 边是写入时程序——每种边类型都带有on_insert/on_delete/on_query_rewrite处理器（supersession关闭有效性，contradicts保留双方，same_as暂存合并提案），因此不存在原始追加路径。在LongMemEval-s（500个问题，约115k token的对话堆栈）上，以Claude Opus 4.7作为回答器的WorldDB取得96.40%总体/97.11%任务平均准确率，比此前报告的Hydra DB最优水平（90.79%）提高5.61个百分点，比Supermemory（85.20%）提高11.20个百分点，在单会话助手回忆上达到完美表现，并在时间推理（96.24%）、知识更新（98.72%）和偏好合成（96.67%）上表现稳健。消融实验表明，该引擎的图层——解析器统一的实体和类型化的refers_to边——独立于底层回答器贡献了+7.0个百分点的任务平均提升。