Agent Skills
返回列表
类型化知识图谱引擎

类型化知识图谱引擎

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @u_8ee34d77/ontology-free。

技能介绍

要解决什么问题

Agent 在长线任务里往往需要记住「谁负责哪个项目、任务状态是什么、文档挂在哪」,但把它们散落在对话或零散 Markdown 里,很难在改状态、换人、加任务时保持一致。本技能把知识建成类型化实体-关系图谱:一切是带类型的实体,实体之间用有基数约束的关系连接;每次写入走 schema.yaml 校验,数据落在追加式 graph.jsonl 里,便于按历史回放状态。

技能如何工作

  1. 建 Schema:在 memory/ontology/schema.yaml 定义类型(required/enum/validate)与关系(from_types、to_types、cardinality),用 python3 scripts/ontology.py validate 检查格式。
  2. 写实体与关系:--type + --props 创建 Person、Project、Task 等;--from / --rel / --to 建关系,违反 manytoone 等基数会直接拒绝。
  3. 查与验:query --type 按条件筛实体,get --id 看详情,related --id --rel 做单跳关联;定期 validate 核对全图谱约束。

适用边界

当前为基础版:核心类型仅五种,关联查询仅单跳,不含 depends_on 环检测、跨技能契约与「计划即图谱」回滚。适合中小规模、本地 JSONL 的项目/任务台账;实体上千或要多跳路径查询需考虑完整版或迁库能力。

使用场景

  • 用自然语言让 Agent 创建 Project、Task 和负责人 Person,并校验 has_owner 的 many_to_one
  • 为迭代需求在 schema.yaml 里加 Task.status 枚举,批量 query 只列出 status 为 open 的任务
  • 网站重设计场景下给 proj_001 建 has_task 关系并 related 拉取该项目下全部 Task
  • 改动手写 graph.jsonl 后执行 validate,定位必填缺失或枚举非法再补 props 重建

适合人员

  • 用 Cursor/Codex 维护多轮项目上下文、需要结构化任务清单的独立开发者
  • 给团队 Agent 做本地 memory/ontology 目录、要可 Git 版本化的任务图谱维护者
  • 写 SKILL 工作流、想把 Person/Project/Task 约束写进 schema 的 Agent 技能作者
  • 不靠数据库、用 Python 脚本在 Linux 上维护 JSONL 图谱的运维或研发