类型化本体知识图谱
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 @zcwl/ontology-2。
技能介绍
要解决什么问题
多步 Agent 任务里,「记住某条事实」「某项目下有哪些任务」「X 依赖谁」往往散落在对话或零散文件里,后续技能难以用同一套结构读写,也无法在写入前保证类型一致。Ontology 把知识建成带类型的实体图:每个节点有 type、属性与同其他实体的关系;每次变更在提交前走约束校验,不合格则不落盘。
技能如何工作
- 存储约定:默认
memory/ontology/graph.jsonl存图数据,memory/ontology/schema.yaml定义类型与约束;复杂图可迁到 SQLite,查询可用脚本或文件操作。 - 常见工作流:按自然语言意图执行 Create Entity、Query、Link Entities、Validate;对应「记住…」「了解 X」「把 X 连到 Y」「按项目遍历任务」「查依赖」等触发方式。
- 多步规划:把计划建模为一连串图操作;每步执行前校验,违反约束可回滚。
- 协作约定:使用本体的其他 Skill 应声明读写哪些本体对象;与现有数据协作时遵循 Append-Only,合并追加而非整文件覆盖,避免冲掉历史定义。
- 校验范围(运行时):属性/枚举/禁止项、关系类型与基数、
acyclic: true关系的无环性、Event 的end >= start等(更高层约束可能仍仅文档说明)。
适用边界
适合需要结构化、可复用的 Agent 记忆与跨 Skill 共享状态;不替代需要人工裁量的复杂决策。无 LLM/无执行环境的 Agent 无法按 Markdown 指令驱动 scripts/ontology.py 完成落盘与校验。
使用场景
- 用户说「记住 Alice 负责项目 Foo」,需要落成 Person/Project 实体并建立关系
- 要回答「项目 Z 下所有任务」,需按类型与关系做图遍历而非翻聊天记录
- 多步实施计划要拆成创建任务、挂项目、加依赖边,且任一步违反 schema 就不提交
- 两个自定义 Skill 都要读写同一批任务状态,需要约定本体类型与声明契约
适合人员
- 维护多 Skill 工作流的 Agent 工程师,要把「记住/查询/关联」落成统一图存储
- 写长期项目助手的开发者,需要按 schema 校验任务、项目、人员关系避免脏数据
- 做因果或审计日志集成的研究者,想把本体变更记录为可复现的动作序列
- 在 Cursor/Codex 等环境里编排多步计划,希望用图变换建模并在约束失败时回滚