ONTAO 理论体系 · 第十篇：世界模型理论
📍 所属层：知识表示层 ↔ 企业运行本体层——AI 的外部大脑——状态层与世界模型
AI 最大的问题不是笨，是没状态。本体 = AI 的外部大脑。
这一篇解决"本体在 AI 系统里到底扮演什么角色"——状态层与世界模型（World Model）。
一、核心命题
大模型是语言引擎，不是状态机。 让它可靠干活的唯一方式，是给它一个外部大脑：实体、关系、约束、规则、行为、状态、权限、事件、长期记忆。这个外部大脑就是本体——系统的世界模型。
LLM 的语言能力早就溢出，真正的弱点是：没有稳定结构、没有长期一致性、没有企业规则、没有可验证逻辑、没有持久世界状态。Agent 一上线就出问题——记忆漂移、权限错乱、关系幻觉、多步骤失控——根因都是同一个：LLM 本身不是状态机，它没有真正的世界状态。
本体恰好补上这一层。
二、LLM 的五个天生弱点（为什么必须有外部大脑）
| 弱点 | 表现 | 后果 |
|---|---|---|
| 无稳定结构 | 同一问题每次输出不同 | 不可复用、不可验证 |
| 无长期一致性 | 忘记自己之前的决定 | 前后矛盾 |
| 无企业规则 | 不知道公司的规矩 | 建议偏离业务 |
| 无可验证逻辑 | 推理链无法审计 | 无法追责 |
| 无持久世界状态 | 不知道世界现在什么样 | 记忆漂移 / 关系幻觉 / 多步骤失控 |
关键认识：这些弱点不是模型质量问题，是架构缺层——语言引擎需要挂在一个持久的世界状态上才有意义。
三、外部大脑九件套：本体承载的世界状态
| # | 件 | 回答的问题 |
|---|---|---|
| 1 | 实体 Entity | 世界里有哪些东西 |
| 2 | 关系 Relation | 它们之间怎么关联 |
| 3 | 约束 Constraint | 什么必须成立（完整性） |
| 4 | 规则 Rule | 什么条件下怎样 |
| 5 | 行为 Action | 能做什么、怎么做 |
| 6 | 状态 State | 现在世界是什么样 |
| 7 | 权限 Permission | 谁有权做什么 |
| 8 | 事件 Event | 世界经历过什么 |
| 9 | 长期记忆 Memory | 经验沉淀成什么 |
长期记忆的工程形态（Palantir 实现）：记忆不是"独立记忆库"，而是对象 + 向量属性——对话偏好/历史经验 → 生成向量嵌入（embedding）→ 作为 Ontology 对象持久化（Create Memory 动作）→ 下次语义检索命中。这印证"记忆不是第七要素"：记忆 = 规则（经验沉淀）+ 事件（历史轨迹）+ 向量属性（语义检索）的合成物，不需要独立机制——它溶解在对象/属性/动作里。
与六要素的关系（九件套 ≠ 推翻六要素）
六要素是认知阶梯（对象→关系→属性→动作→规则→权限），回答"本体由什么构成"；九件套是世界状态层，回答"AI 需要记住世界的哪些东西"。映射：
| 九件套 | 六要素位置 |
|---|---|
| 实体/关系/约束 | 对象 / 关系 / 属性的完整性约束 |
| 规则 / 行为 / 权限 | 规则 / 动作 / 权限（直接对应） |
| 状态 | 属性的当前快照（属性管"现在"） |
| 事件 | 六要素没有显式位置——属性的时间形态：属性是现在时，事件是过去时 |
| 长期记忆 | 规则（经验沉淀）+ 事件（历史轨迹） |
建议：事件（Event）不新增为第七要素，而是作为属性的时间形态——属性是"世界现在怎么样"的快照，事件是"世界怎么变成这样"的流水。快照 + 流水 = 完整的世界状态。
四、世界模型：本体不是数据，是理解
- 数据：一行行的记录，谁和谁没有关系
- 本体：person 属于 organization，organization 拥有 project，project 存在 risk，risk 触发 audit——这一串不是数据库 join，是系统对"世界怎么运行"的理解
世界模型三问（判断一个系统有没有世界模型）：
- 对象：这个系统理解的世界里有哪些东西？
- 影响：它们之间怎么互相影响？（关系 + 规则）
- 状态：世界现在处于什么状态？（状态 + 事件）
传统系统答得出第一个（有表），答不出第二、三个。本体论 = 让系统把三问全部答出来。
五、三层架构：语言层 × 世界层 × 行动层
语言层 LLM：生成、表达、总结、推断
世界层 本体：实体/关系/约束/规则/状态/权限/事件/记忆 ← AI 的外部大脑
行动层 Agent / Workflow / Tool：按世界层规则，在世界层状态上行动
AI 干活的标准循环：行动层读世界层（现状 + 规则）→ 语言层组织表达 → 行动层执行并写回世界层（状态更新 + 事件记录）。
没有世界层：AI 每次都是"失忆的专家"——能力在线，状态离线。它能说会道，但不记得自己是谁、世界什么样、上次做了什么。
六、为什么 AI 系统一定会走向本体论（技术栈定位）
LLM 负责语言 Ontology 负责世界 Graph 负责关联 Agent 负责行动
Memory 负责状态 Workflow 负责编排 Tool 负责行动能力
→ Ontology 是这一切共同的底层结构
为什么本体必须是底层：Graph 的关联、Agent 的行动、Workflow 的编排、Memory 的状态，全都要定义在同一套实体关系上。各组件各自定义世界 = 碎片化——同一个判断，数据中台跑四天，本体架构跑两小时，差的不是模型，是那根把世界串起来的绳子。
越来越多 Agent 团队重新讨论 Operational Ontology、World Model、Domain Model、Action Schema——名字不同，方向都是回到本体。模型越强，越需要本体。
七、与拾光传媒的对照（实例验证）
| 世界层组件 | 拾光传媒现状 | 判定 |
|---|---|---|
| 实体/关系 | supplier → link → customer 链路、fact 数据归因 | ✅ 有 |
| 状态 | fact 表（世界当前状态）、三率（属性） | ✅ 有 |
| 事件 | sync_log / 审计日志（有表未建模） | ⚠️ 有数据，未成为本体事件 |
| 规则 | 三率模型、扣量规则 | ⚠️ 散在引擎代码里，未显式化到本体 |
| 权限 | 客户可见性隔离、handler 三层纪律 | ✅ 有 |
| AI 接入 | — | ❌ AI 是工具，不是挂在世界层上的协作者 |
判定：拾光传媒有"世界状态"（数据库），没有"世界模型"（理解 + 推理）——差在规则显式化和 AI 接入世界层。这正是第十一篇要解决的落地问题。
八、与第九篇的关系：一体两面
第九篇 认知演化 = 世界模型动起来（机制层演化需要世界状态：没有状态可持久，
就没有演化上下文）
第十篇 世界模型 = 演化的载体（世界层提供实体/状态/事件，演化才有东西可演化）
- 世界模型是静态描述：世界是什么样
- 认知演化是动态机制：世界怎么自己变
- 两者互为前提：有状态才谈得上演化，会演化才证明模型是活的
九、一句话总结
本体 = AI 的外部大脑：LLM 负责语言，本体负责世界。
AI 的能力可以进化，但只有本体能让它"记得自己是谁、世界现在什么样、该怎么办"。