HyphaeDB：为多智能体系统设计的活性知识拓扑记忆库

传统向量数据库与智能体记忆框架通常将记忆视为被动存储，需要智能体主动查询。现有系统缺乏通过记忆层本身在智能体间传播知识的能力。arXiv最新研究提出HyphaeDB，这一创新系统重新诠释了分层可导航小世界（HNSW）图拓扑——该数据结构是现代向量数据库的核心——将其从搜索优化工具转变为多智能体AI系统的通信架构。

在HyphaeDB中，智能体作为向量空间中的持久节点存在，知识通过基于八卦协议的传播机制在图结构的邻居关系中流动，并伴随基于能量的衰减。这种设计使得矛盾检测、模式结晶和共识形成等涌现行为能够从拓扑结构、传播动力学和本地交互规则的组合中自然产生。

该系统架构建立在三个基础构件之上：知识节点、拓扑边和记忆差异。它采用多层抽象层次结构，通过涌现共识实现层级跃迁。理论分析将系统锚定在小世界网络理论、流行病广播协议和群体智能领域。研究团队提供了基于PostgreSQL与pgvector的参考实现，并描述了在群体驱动开发这一多智能体软件工程方法论中的具体部署案例。

据研究者所知，HyphaeDB是首个将可导航小世界拓扑与基于八卦协议的知识传播相结合，专门用于多智能体协调的系统，为分布式AI系统的记忆与通信机制开辟了新路径。