Typed 知识图谱，为 AI 构建结构化记忆网络

Ontology 为 OpenClaw 提供 Typed 知识图谱能力，将信息建模为实体与关系，支持 Person/Project/Task/Event/Document 等类型，构建 AI 结构化记忆网络。

核心功能

• Typed 实体系统：内置 Person/Project/Task/Event/Document 等常用类型
• 关系建模：支持自定义关系类型（owns/depends-on/related-to）
• 可组合查询：支持图数据库式关联查询
• 与 Memory System 互补：为记忆系统提供结构化索引层
• 动态更新：实体和关系支持实时增删改

应用场景

• 项目管理：建立任务、人员和项目的知识图谱
• 人物关系网：构建联系人关系图方便快速查找
• 知识库结构化：将散乱文档归类为实体网络
• 事件追踪：记录和推理事件之间的因果关系

安装方法

OpenClaw 支持多种渠道安装 Skills，以下五种方法均可完成安装：

方法一：OpenClaw CLI（推荐）

openclaw skills install ontology

方法二：ClawHub 官网

1. 访问 ClawHub 并登录 GitHub 账号
2. 搜索「ontology」进入技能详情页
3. 点击「Install」按钮，按提示完成安装

方法三：国内镜像站（推荐国内用户）

openclaw skills install ontology --mirror https://cn.clawhub-mirror.com

或访问镜像站直接安装：cn.clawhub-mirror.com

方法四：skills.sh

openclaw skills install ontology --source skills.sh

或访问 skills.sh 搜索技能名称在线安装。

方法五：GitHub 直接安装

部分技能支持通过 GitHub 仓库直接安装：

openclaw skills install https://github.com/<author>/ontology

搭配推荐

推荐搭配 Skills：

• 小龙虾 Memory System
• 小龙虾 Self-Improving Agent

适合人群与行业

• 项目经理
• 知识管理员
• 研究者

应用示例

某 PM使用后： 管理项目人员关系，新人 onboarding 时间缩短 60%。

项目经理：某 PM 用 Ontology 管理项目人员关系，新人 onboarding 时间缩短 60%

⭐⭐⭐⭐ 知识图谱的设计很优雅，复杂关系管理变得清晰了 — GitHub 用户

⭐⭐⭐⭐ 和 Memory System 配合使用效果很好 — 知乎用户

常见问题（FAQ）

1. Ontology 和 Memory System 有什么区别？ Ontology 侧重结构化关系推理，Memory System 侧重非结构化经验记忆，两者互补。

2. 数据量过亿时性能如何？ 数据量超过 1 亿实体时查询性能可能下降，建议定期清理无效节点。

3. 支持哪些查询语言？ 支持 Cypher-like 查询语法，上手需要一定学习成本。

缺点与局限性

• 学习曲线陡峭：需要了解知识图谱的基本概念
• 查询语法有一定门槛：复杂关联查询需要学习查询语法
• 数据量过亿时查询性能可能下降
• 目前支持组合的 Skills 数量较少

总结

建议指数： 78/100

结构化知识图谱让 AI 记忆升级为可推理网络，与 Memory System 互补。建议知识密集型项目优先体验。