ontology
为AI Agent提供结构化记忆与技能组合的知识图谱系统。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：ontology。 它的用途是：为AI Agent提供结构化记忆与技能组合的知识图谱系统。 完整的 Skill 内容见：https://321skill.com/skills/ontology/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“记住Alice是网站改版项目的负责人，并创建一个下周一截止的首页设计任务分配给她。”，它会先在知识图谱中创建或找到Alice（Person）和项目（Project）实体并建立关系，然后创建任务（Task）实体，设置截止日期，并将其与项目和Alice关联起来。
介绍
Ontology Skill 旨在解决AI Agent在处理复杂任务时信息零散、缺乏结构化记忆的问题。它通过一个类型化的知识图谱，将人员、项目、任务、文档等实体及其关系进行建模和存储，使Agent能够像人类一样拥有“记忆”，并基于此进行推理和规划。
使用时，Agent或用户可以通过命令行或程序化API创建、查询、关联各类实体。例如，创建一个“Person”实体代表Alice，再创建一个“Project”实体代表网站改版项目，然后用“has_owner”关系将两者链接。所有数据默认存储在本地JSONL文件中，结构清晰，易于追溯。
该Skill非常适合需要长期记忆、处理多步骤项目、或协调多个Agent进行协作的复杂工作流开发者。例如，构建一个能够管理整个软件开发生命周期的超级助理，或是一个需要记住用户偏好和历史对话的个性化聊天机器人。
建议在使用前先定义好数据模式（schema），以规范实体类型和关系约束。由于采用追加式存储，所有操作历史得以保留，但需要注意定期清理或归档，以防数据文件过大。对于追求极致性能的实时应用，可能需要考虑后端数据库集成。
核心特点
与简单的键值对存储或向量数据库不同，Ontology强调严格的类型系统（如Person, Project, Task）和显式的关系定义（如has_owner, blocks），支持复杂的图遍历查询和依赖分析，使得Agent的记忆具备可解释性和可组合性。
注意事项
不适合对读写延迟要求极高的实时交互场景，或仅需临时、简单键值存储的轻量级任务。
常见问题
Ontology 和普通数据库有什么区别？
它是为AI Agent场景设计的类型化知识图谱，内置了Agent领域实体模型（如任务、事件），并支持以图的方式建模和查询记忆与技能关系。
数据存在哪里？安全吗？
默认存储在本地`memory/ontology/graph.jsonl`文件，可加密或迁移到其他数据库。敏感信息（如密码）建议使用`Credential`实体引用外部安全存储。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ontology/raw/index.md 读取 ontology 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ontology/raw/index.md（查看排版版本）