https://caozuohua.github.io/tags/%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/Recent content in 知识图谱 on CAO ZUOHUAHugozh-cnMon, 28 Sep 2026 21:10:00 +0800https://caozuohua.github.io/posts/2026-09-28-agent-skill-anatomy-02-ontology/Mon, 28 Sep 2026 21:10:00 +0800https://caozuohua.github.io/posts/2026-09-28-agent-skill-anatomy-02-ontology/<h1 id="agent-技能解剖二ontology用-schema-管住模型的不确定性">Agent 技能解剖（二）：Ontology——用 schema 管住模型的不确定性</h1> <blockquote> <p>上一篇讲 Agent Memory，结论是「把记忆做成数据层」。但数据层有一个自带的问题：<strong>数据一旦自由生长，就查不动、也信不过。</strong> 这一篇讲那个问题的解法：给记忆加一层类型系统与约束校验。</p> </blockquote> <h2 id="问题的真正形态">问题的真正形态</h2> <p>用自然语言存储记忆，会遇到三类麻烦，而且它们都不会立刻暴露：</p> <ol> <li><strong>形态漂移</strong>。「项目」「Project」「project」是同一个东西；「进行中」「in progress」「active」也是同一个状态。写入时没人觉得有问题，三个月后查询时全都查不全。</li> <li><strong>关系丢失</strong>。「张三负责官网改版」这句话，在纯文本记忆里就是一句话。你没法问「张三还负责什么」，只能全文搜「张三」，然后自己读。</li> <li><strong>无校验</strong>。模型写下「会议结束时间早于开始时间」，存储层照单全收，没有任何环节会拒绝它。</li> </ol> <p><code>Ontology</code> 这个技能给出的答案是教科书式的：<strong>因为语言是不确定的，那就不要再让语言承担一致性保证——把它压缩成「实体 + 类型 + 属性 + 关系」，然后用 schema 去校验。</strong></p> <h2 id="技能档案">技能档案</h2> <table> <thead> <tr> <th>项</th> <th>值</th> </tr> </thead> <tbody> <tr> <td>技能名</td> <td>ontology</td> </tr> <tr> <td>slug</td> <td><code>ontology</code></td> </tr> <tr> <td>作者</td> <td>oswalpalash</td> </tr> <tr> <td>版本</td> <td>1.0.4</td> </tr> <tr> <td>下载量</td> <td>286,820</td> </tr> <tr> <td>安装量</td> <td>29,080</td> </tr> <tr> <td>星标</td> <td>787</td> </tr> <tr> <td>来源</td> <td>ClawHub</td> </tr> <tr> <td>存储介质</td> <td><code>memory/ontology/graph.jsonl</code>（追加式）+ <code>memory/ontology/schema.yaml</code></td> </tr> <tr> <td>入口</td> <td><code>scripts/ontology.py</code>（create / get / query / list / update / delete / relate / related / validate / schema-append）</td> </tr> </tbody> </table> <p>数据抓取于 2026-09-28，口径为 SkillHub 聚合榜。</p>