ontology 技能實戰：給 AI Agent 裝上知識圖譜，126k 下載量說明了什麼

ontology 是什麼：給 AI 裝上「概念字典」

大多數 AI Agent 處理問題用的是向量相似度。ontology 技能不同：它給你的 AI Agent 裝上一張結構化的「概念關係網路」，讓它明確知道概念之間的層級、類型、屬性、關聯。

ClawHub上 ontology 技能有 126k+ 下載量，是下載量排前三的技能之一。我們實際用了三週之後，來說說它到底在解決什麼問題。

安裝與基礎配置

clawhub install ontology

安裝後在 workspace 生成 ontology/ 目錄，核心是 ontology.json。基礎結構：定義 Agent 和 Project 實體類，以及它們之間的關係。

實戰場景一：多 Agent 協作中的角色推斷

裝了 ontology 之後，在知識圖譜裡定義每個 Agent 的能力和資源，ontology 會自動 resolve 這些關係並注入任務描述。Agent 收到的是完整的任務，不需要反覆追問。

實戰場景二：圖查詢

ontology 內建圖查詢介面，透過圖遍歷返回精確結果（不是向量距離）。在需要明確歸屬和權限邊界的場景下，這個精確性非常有價値。

踩坑記錄

坑 1：格式驗證很嚴格——任何拼寫錯誤都會静默失敗，每次改完要跑 ontology validate。坑 2：instances 不要定義太細——按「需要跨 Agent 協作才需要共享的資訊」原則精簡。坑 3：與 MemOS 的關係——ontology 管「誰是誰」，MemOS 管「以前怎麼做的」，兩者互補。

SFD編者注

我們裝 ontology 的初衟是解決資訊孤島，用下來發現更大的價値是「降低協作歧義」。126k 下載不是白來的。