核心定位
Ontology 是一套面向 AI Agent 的类型化知识图谱系统，用于将零散信息转化为可验证、可查询、可关联的结构化记忆。它将「人、项目、任务、事件、文档」等现实世界对象抽象为带约束的图实体，支持技能间的状态共享与复杂工作流的图变换建模。
显著优点
1. 严谨的建模能力
内置 12 类核心实体（Person、Project、Task、Event 等）与关系约束系统，支持必填字段、枚举值、基数控制、无环依赖等验证规则。例如 Task 的 blocks 关系强制无环，避免任务死锁。
2. 跨技能协同设计
通过声明式 Skill Contract（reads/writes/preconditions/postconditions），多个技能可安全读写共享图谱。示例场景中，邮件技能创建 Commitment，任务技能自动转化为 Task，实现真正的 agent 协作。
3. 规划即图变换
将多步骤计划建模为原子化的 CREATE/RELATE 操作序列，每步验证后提交，失败自动回滚。这比自然语言指令更可靠，适合复杂项目管理。
4. 零外部依赖的安全架构
纯 Python 标准库实现（argparse/json/os/uuid/datetime/pathlib），数据仅存于本地 memory/ontology/graph.jsonl，无网络传输、无第三方包攻击面。
潜在局限
- 存储规模：默认 JSONL 格式，大数据量时建议迁移至 SQLite，但文档未提供迁移工具
- 查询能力：当前仅支持简单过滤查询，无复杂图遍历语法（如 Cypher）
- 并发控制：未提及多进程/多线程写入的原子性保障
- T3 来源风险：个人/社区维护，长期更新稳定性需关注
适合人群
- 需要长期记忆管理的个人 AI 助手用户
- 构建多技能 Agent 系统的开发者
- 习惯结构化数据管理的项目管理者
- 对数据隐私敏感、要求纯本地处理的场景
常规风险提示
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 数据丢失 | 本地文件损坏 | 定期备份 graph.jsonl |
| 约束冲突 | 非法关系导致操作失败 | 调用 validate 检查后再批量提交 |
| 来源可信度 | T3 级别，无企业背书 | 使用前人工审查代码，关注更新日志 |