Coding

知识本体

Try it

面向AI Agent的类型化知识图谱系统,提供实体关系建模、约束校验引擎、模式演进管理、图遍历规划四大核心能力. 内置15+实体类型与7类约束规则,支持append-only历史保留与三步迁移法,确保模式变更不破坏旧数据. 将多步计划建模为图操作序列,每步执行前自动校验约束,违反约束自动回滚. 适用于需要结构化查...

What it does

**一切皆实体,一切变更皆受约束。** 将 Agent 记忆从扁平文件升级为类型化可验证的知识图谱,支持图遍历查询、模式演进、多步规划建模,让知识结构化、可查询、可信任. 主要能力 类型化实体与关系系统 内置 Person/Organization/Project/Task/Goal/Event/Location/Document/Message/Thread/Note/Account/Device/Credential/Action/Policy 15+ 类型,实体含 id/type/properties/relations/created/updated 标准结构.

The skill document

功能说明: 本技能涵盖 化工作流场景 等核心能力。

知识本体(Knowledge Ontology)

一切皆实体,一切变更皆受约束。 将 Agent 记忆从扁平文件升级为类型化可验证的知识图谱,支持图遍历查询、模式演进、多步规划建模,让知识结构化、可查询、可信任.

主要能力

类型化实体与关系系统

内置 Person/Organization/Project/Task/Goal/Event/Location/Document/Message/Thread/Note/Account/Device/Credential/Action/Policy 15+ 类型,实体含 id/type/properties/relations/created/updated 标准结构.

处理: 解析类型化实体与关系系统的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回类型化实体与关系系统的响应数据,包含返回码、数据和处理记录.

  • 调用时传入input_params参数,支持创建/查询/导出操作

约束校验引擎

支持 required(必填)、enum(枚举)、forbidden_properties(禁止属性,如 Credential 禁止 password)、cardinality(关系基数)、acyclic(无环校验,如 blocks 关系)、validate(自定义表达式)、defaults(默认值)7 类约束规则.

处理: 解析约束校验引擎的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回约束校验引擎的响应数据,包含返回码、数据和处理记录.

  • 调用时传入input_params参数,支持创建/查询/导出操作

模式演进管理

append-only 历史保留 + 迁移脚本三步法(追加新 schema → 编写迁移 → 执行+校验),确保模式变更不破坏旧数据.

处理: 解析模式演进管理的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回模式演进管理的响应数据,包含返回码、数据和处理记录.

  • 调用时传入input_params参数,支持创建/查询/导出操作

图遍历规划

将多步计划建模为图操作序列(CREATE/RELATE),每步执行前校验约束,违反约束自动回滚;支持依赖分析、影响分析、循环依赖检测.

处理: 解析图遍历规划的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回图遍历规划的响应数据,包含返回码、数据和处理记录.

  • 调用时传入input_params参数,支持创建/查询/导出操作

Skill 契约声明

使用本体的 Skill 声明 reads/writes 边界与前后置条件,任一失败自动回滚,明确跨 Skill 通信边界.

处理: 解析Skill 契约声明的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回Skill 契约声明的响应数据,包含返回码、数据和处理记录. 技术参数:使用input_params和output_format参数控制执行行为,支持json/text/csv输出格式. 能力覆盖范围:本技能覆盖以下场景:类型化知识图谱、Agent、记忆结构化可验证、的类型化知识图谱、提供实体关系建模、图遍历规划能力、适用于需要结构化、查询的、多实体关系管理、依赖追踪与影响分、多步计划建模场景、避免扁平文件记忆、难查询、约束缺失数据脏、模式演进破坏旧数、据等问题、适用关键词、知识图谱、实体关系、ontology、graph等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

参数说明

参数名类型必填说明
inputstring是知识本体处理的输入数据或指令
optionsobject否附加配置选项,如模式选择、格式偏好等
callback_urlstring否异步处理完成后的回调通知URL
mkdir -p memory/ontology
touch memory/ontology/graph.jsonl
python3 (请参考skill目录中的脚本文件) schema-append --data '{
  "types": {
    "Task": { "required": ["title", "status"] },
    "Project": { "required": ["name"] },
    "Person": { "required": ["name"] }
  }
}'

Step 2:创建实体(append-only)

python3 (请参考skill目录中的脚本文件) create --type Person --props '{"name":"Alice"}'
python3 (请参考skill目录中的脚本文件) create --type Project --props '{"name":"网站重构","status":"active"}'

关键原则: 处理已有数据时追加新 op 到文件末尾,绝不覆盖文件.

Step 3:建立关系

python3 (请参考skill目录中的脚本文件) relate --from proj_001 --rel has_owner --to p_001

关系建立前自动校验 from_types/to_types/cardinality 约束.

Step 4:查询与遍历

# 按类型+条件查询
python3 (请参考skill目录中的脚本文件) query --type Task --where '{"status":"open"}'
# ...
# 关联查询
python3 (请参考skill目录中的脚本文件) related --id proj_001 --rel has_task
# ...
# 依赖说明
python3 (请参考skill目录中的脚本文件) traverse --id task_001 --rel depends_on --direction outgoing
# ...
# 影响分析(反向遍历)
python3 (请参考skill目录中的脚本文件) traverse --id task_001 --rel depends_on --direction incoming
# ...
# 循环依赖检测
python3 (请参考skill目录中的脚本文件) cycle-check --rel blocks

已知限制

python3 (请参考skill目录中的脚本文件) validate
# 示例
# ✓ 142 个实体校验通过
# ✗ 3 个实体校验失败:
#   - task_042: 缺少必填属性 'status'
#   - cred_001: 包含禁止属性 'password'

Step 6:模式演进(不破坏旧数据)

# 1. 追加新 schema(不删旧)
python3 (请参考skill目录中的脚本文件) schema-append --data '{"types":{"Task":{"required":["title","status","priority"]}}}'
# ...
# 2. 编写迁移脚本
# migrations/001_add_priority_to_tasks.py
def migrate(graph):
    for entity in graph.query(type="Task"):
        if "priority" not in entity.properties:
            entity.properties["priority"] = 3
    return graph
# ...
# 3. 执行迁移 + 校验
python3 (请参考skill目录中的脚本文件) migrate --script 001_add_priority_to_tasks.py
python3 (请参考skill目录中的脚本文件) validate

Step 7:多步规划建模(图变换序列)

python3 (请参考skill目录中的脚本文件) plan --file plan.yaml --validate-each --rollback-on-fail

每步执行前校验约束,失败自动回滚到上一步.

Step 8:规模扩展(JSONL → SQLite)

# >10000 实体时迁移
python3 (请参考skill目录中的脚本文件) migrate --from jsonl --to sqlite

用法示例

示例 1:项目依赖管理

输入:

用户:"重构支付模块需要先完成哪些任务?"

执行:

  1. 查找支付模块相关 Project
  2. 遍历 has_task 关系找到所有 Task
  3. 遍历 blocks 关系找到阻塞链
  4. 拓扑排序输出执行顺序

输出:

执行顺序:
1. 设计支付接口(task_001)— 无阻塞
2. 实现支付网关(task_002)— blocked by task_001
3. 集成测试(task_003)— blocked by task_002
4. 上线部署(task_004)— blocked by task_003

示例 2:影响分析

输入:

用户:"如果推迟数据库迁移,影响哪些任务?"

执行:

  1. 找到数据库迁移 Task
  2. 反向遍历 depends_on 关系
  3. 找出所有依赖该任务的 Task

输出:

影响范围(3 个任务):
- task_015: API 部署(depends on 迁移)
- task_022: 性能测试(depends on task_015)
- task_031: 上线(depends on task_022)
# ...
建议级联调整截止日期.

示例 3:凭证安全存储

输入:

用户:"记住我的 Stripe API Key"

执行:

  1. 检查 Credential 类型约束 → forbidden_properties: [api_key, secret]
  2. 拒绝直接存储
  3. 创建间接引用

输出:

ontology.create("Credential", {
  "service": "stripe",
  "secret_ref": "vault://secrets/stripe_key"  # 指向外部密钥库
})
# 输出:"已记录 Stripe 凭证引用(密钥本身存储在密钥库,未写入图谱)"

环境要求

依赖项类型是否必需获取方式
LLM APIAPI必需由 Agent 内置 LLM 提供
Python 3.8+运行时必需系统安装
PyYAMLPython 包必需pip install pyyaml(解析 schema.yaml)
SQLite数据库可选Python 内置(>10000 实体时使用)
Agent 平台运行环境必需支持 SKILL.md 的任意 AI Agent
操作系统运行环境必需Windows / macOS / Linux

API Key 配置: 本 Skill 无需任何 API Key,纯本地文件操作,无网络请求。凭证等敏感信息强制间接引用,不存储在图谱中. 可用性分类: MD+EXEC(Markdown 指令 + exec 命令行执行)。核心实体/关系概念纯 Markdown 可理解;创建/查询/校验等操作需 Python 脚本执行.

已知限制(补充)

  1. 默认 JSONL 不适合超大规模:>10000 实体需手动迁移到 SQLite,迁移过程需停服或锁写.
  2. append-only 文件会持续增长:不主动 compact 会越来越大,compact 会丢失历史,需用户权衡.
  3. 并发写入支持弱:JSONL 存储无事务,多 Skill 并发写入需外部文件锁或队列串行化.
  4. 不存储敏感信息原文:Credential 类型强制间接引用(secret_ref),用户需自行管理外部密钥库.
  5. 校验引擎覆盖有限:支持 7 类约束规则,但不支持复杂业务逻辑校验(如跨实体的多字段联合校验需在迁移脚本中自行实现).
  6. 无内置全文检索:仅支持结构化属性查询与图遍历,文本内容检索需外接搜索引擎.

结果格式

{
  "success": true,
  "data": {
    "result": "知识本体处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "knowledge ontology"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}

安全基本准则

风险类型防范措施
API密钥泄露使用环境变量注入,不得在源码中明文写入
命令执行风险命令执行受白名单约束,避免注入用户输入
网络通信安全通信使用HTTPS并校验证书有效性
敏感数据暴露返回数据中不含凭证信息

使用前请确认已阅读依赖说明章节,确保运行环境满足安全要求。

性能数据

操作场景手动耗时自动化耗时效率提升
文件解析与提取5-10分钟/个<5秒/个60-120x
批量文件处理(100个)8-16小时<5分钟96-192x
API调用与响应解析2-3分钟/次<1秒/次120-180x
多接口数据聚合15-30分钟<10秒90-180x
命令执行与结果收集3-5分钟/次<2秒/次90-150x
重复任务批量执行因任务而异线性缩减5-50x
错误排查与修复10-30分钟<30秒20-60x

优势对比

对比维度知识本体传统手动方式通用脚本工具
自动化程度全流程自动完全手动部分自动
错误处理内置错误恢复依赖人工经验基本try-catch
可复用性参数化配置一次性脚本模板化
安全合规内置安全检查无安全保障无安全保障
适用场景类型化知识图谱:约束校验+模式演进+图遍历规划,让Agent记忆结构化可验证。。通用场景通用场景

即刻上手

  1. 配置API密钥: 在环境变量中设置对应的API Key
  2. 初始化连接: 使用提供的凭证建立API连接
  3. 调用接口: 传入必要参数执行API调用
  4. 准备文件: 确认文件路径正确且格式受支持
  5. 执行处理: 调用对应的处理函数
  6. 查看结果: 检查输出文件或返回数据
  7. 检查环境: 确认运行时和依赖已安装
  8. 执行命令: 使用正确的参数格式执行
  9. 查看输出: 检查命令输出和退出码

前置条件

  • 已安装所需运行环境(参考依赖说明)
  • 已获取必要的API密钥或访问凭证(如适用)
  • 输入数据已准备就绪

高频问答

Q1: 知识本体支持哪些输入格式?

A1: 类型化知识图谱:约束校验+模式演进+图遍历规划,让Agent记忆结构化可验证。。面向AI Agent的类型化知识图谱系统,提供实体关系建模、约束校验、模式演进、。支持文本指令和结构化参数输入,具体格式参考使用流程章节。

Q2: 需要配置API Key吗?

A2: 是的,部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求,并通过环境变量安全配置。

Q3: 命令行执行失败怎么办?

A3: 检查命令参数是否正确,确认运行环境支持exec能力。如遇权限问题,请参照错误处理章节排查。

知识本体通用排查步骤

  1. 检查输入参数: 确认所有必填参数已提供且格式正确
  2. 查看日志输出: 定位具体错误行和异常类型
  3. 验证环境配置: 确认依赖库版本和运行环境满足要求
  4. 逐步调试: 缩小问题范围,隔离故障模块

支持文档

错误恢复流程

针对知识本体使用中可能遇到的常见问题,提供以下排查方案:

错误类型原因分析解决方案
API认证失败(401)API密钥错误或过期检查密钥配置,重新生成token
接口限流(429)请求频率超出限制降低调用频率,启用重试退避策略
响应超时(504)网络延迟或服务端负载过高增加超时阈值,检查网络连接
文件不存在路径错误或文件未创建检查路径拼写,确认文件已生成
文件格式不支持扩展名不在支持列表中转换为支持的格式后重试
权限不足当前用户无读写权限检查文件权限,以管理员身份运行
命令执行失败参数错误或环境依赖缺失检查命令语法,确认依赖已安装
进程超时命令执行时间过长增加超时设置,优化命令参数
网络连接失败DNS解析失败或防火墙拦截检查网络配置,确认代理设置

Related skills

Generate and edit Draw.io, Mermaid, and Excalidraw diagrams from natural language using a structured JSON spec.

by nssa.io1.0k installs47 stars

Stores durable facts in a categorized, plain-markdown vault on disk, alongside your agent's built-in memory.

by Iván558 installs18 stars

Join a video meeting as an AI bot with voice, avatar, and screenshare across four operating modes.

by johnpatternai22 installs8 stars

Find why your productivity system keeps failing, then apply the smallest fix — capacity math, bottleneck routing, durable local notes.

by Iván855 installs69 stars

Fetch raw ad creative, app, ranking, and revenue data from AdMapix as structured JSON.

by fly0pants4.3k installs296 stars

More from thcjp

Browse all skills

Route prompts to the right dlazy CLI audio model for TTS, music, sound effects, and voice cloning.

by dlazy

Query and manage Linear issues, projects, teams, cycles, labels, and comments through a managed OAuth GraphQL endpoint.

by byungkyu

Call the Jira Cloud API with managed OAuth to search and manage issues.

by byungkyu

Route image, video, and audio requests to the right dlazy CLI model based on intent.

by dlazy

Access Pipedrive CRM resources through a managed OAuth connection.

by byungkyu

常见办公流程自动化中枢,覆盖文档处理、数据整理、邮件管理、日程协调、报表生成与工作流编排。 聚焦批量操作容错、格式保真、PII 脱敏、模板复用四大痛点,让繁琐办公一键稳妥完成。 核心能力: - 文档批处理:Word/PDF/Excel/PPT 批量生成、转换、合并拆分,含失败隔离与重试 - 数据整理:清洗、转换、...

by thcjp3 installs1 stars