Ontology 1.0.4

核心功能

Ontology 是一套类型化知识图谱系统，专为 AI Agent 的结构化记忆与可组合技能设计。它将一切信息抽象为实体（Entity）——具有类型、属性和关系关联的节点，通过约束验证确保数据完整性。

显著优点

1. 严格类型系统：内置 Person、Project、Task、Event、Document 等 15+ 核心类型，支持自定义 schema 扩展
2. 关系建模能力：支持多对多、多对一关系，内置 acyclic: true 防循环依赖检测
3. 约束验证：必填字段、枚举值、禁止属性、时间逻辑（如 Event.end ≥ start）等运行时校验
4. Append-Only 存储：JSONL 行式存储保留完整历史，避免数据覆盖风险
5. 跨技能通信：通过统一实体 ID 实现技能间状态共享，支持因果推断集成
6. 规划即图变换：将多步骤计划建模为图操作序列，支持原子性回滚

潜在局限

• 存储扩展性：默认文件存储（graph.jsonl）仅适合中小规模数据，大规模场景需手动迁移至 SQLite
• 查询能力：当前仅支持基础过滤和遍历，无复杂图算法（如最短路径、PageRank）
• 并发安全：文档未提及文件锁或多进程同步机制，高并发写入存在冲突风险
• 无加密存储：Credential 类型强制引用外部 secret_ref，但图谱本身无加密选项

适合人群

• 构建长期记忆 Agent 的开发者
• 需要跨技能数据共享的复杂工作流系统
• 注重数据可追溯性与可验证性的合规场景

常规风险

• schema 漂移：动态追加 schema 可能导致历史数据与新约束冲突，需定期运行 validate
• 敏感信息泄露：虽然 Credential 禁止直接存储密码，但其他实体属性无自动脱敏
• 关系膨胀：无限制的跨实体关联可能导致图结构复杂度失控，影响查询性能

核心功能

Ontology 是一套基于类型的知识图谱管理系统，专为 AI Agent 的长期记忆与技能协作设计。它将所有信息抽象为「实体-关系-属性」三元组，提供类似图数据库的查询能力，同时保持纯本地文件存储的简洁性。

核心用法

• 实体管理：创建 Person、Project、Task、Event 等 15+ 预定义类型，支持自定义扩展
• 关系建模：通过 relate 命令建立实体间关联（如 Task → blocks → Task）
• 约束验证：在 schema.yaml 中定义必填字段、枚举值、唯一性、无环依赖等规则
• 图查询：支持按类型过滤、属性匹配、关系遍历、依赖分析
• 规划执行：将多步骤任务建模为图操作序列，逐条验证后提交

显著优点

1. 零依赖架构：核心功能仅用 Python 标准库，PyYAML 为唯一可选依赖
2. 安全性设计：路径遍历防护、safe_load 解析、无网络通信、无危险函数
3. 技能契约机制：通过声明式读取/写入权限实现跨技能数据隔离
4. Append-Only 存储：graph.jsonl 追加写模式保留完整变更历史
5. 离线优先：所有数据本地存储，用户完全控制存储位置

潜在局限

• 性能瓶颈：JSONL 格式在万级实体以上时查询效率下降，需迁移至 SQLite
• 并发限制：单文件追加写不支持多进程并发写入
• 无内置同步：跨设备数据同步需用户自行解决
• Schema 可选：无强制 schema 时可能产生脏数据

适合人群

• 需要 Agent 长期记忆能力的开发者
• 构建多技能协作系统的架构师
• 对数据隐私敏感、要求完全离线运行的用户
• 熟悉图数据模型、习惯命令行操作的工程师

常规风险

• 数据丢失：未配置备份时单文件损坏导致全量丢失
• 路径配置失误：自定义 --graph 路径时可能指向系统敏感目录
• 依赖缺失：未安装 PyYAML 时 schema 功能静默失效
• 版本兼容：不同版本 schema.yaml 格式变更可能导致解析失败