教程 12 — OpenClaw ontology Skill 教程：给 AI 装上持久记忆和结构化知识图谱（2026）
目标：安装 ontology Skill，让 OpenClaw 能记住人名、项目、任务等结构化信息，跨会话持久保留。
普通上下文记忆 vs ontology 持久记忆
openclaw 结构化记忆 vs 普通上下文 最大的区别不是"记多记少"，而是"记什么、怎么查"：
| 维度 | 普通上下文记忆 | ontology 持久记忆 |
|---|---|---|
| 持久性 | 关闭对话即消失 | 永久保存在本地 |
| 结构化程度 | 非结构化文本 | 实体 + 关系图谱 |
| 跨会话 | 不支持 | 支持 |
| 查询方式 | 只能翻上下文 | 自然语言精准查询 |
| 数据量限制 | 受 Context Window 限制 | 仅受本地磁盘限制 |
| 关联推理 | 弱 | 可以遍历实体关系 |
openclaw 对话记忆 跨会话保存 的核心就靠这个 Skill。装完之后，你和 AI 说过的重要事情——项目进展、团队成员信息、决策记录——都会变成结构化节点，下次打开对话时依然可以精准调取。
第一步：安装 ontology Skill
/install @oswalpalash/ontology
安装完成后验证：
pnpm openclaw skills list
# 应出现 ontologySkill 安装后会在本地创建知识图谱存储目录：
~/.openclaw/workspace/skills/ontology/
├── SKILL.md ← Skill 主逻辑
└── graph.json ← 知识图谱数据（JSON 格式，可直接查看）
第二步：创建实体
ontology 支持五种内置实体类型：
Person — 人物（同事、客户、联系人）
Project — 项目（代码仓库、产品线、合同）
Task — 任务（待办事项、里程碑、缺陷）
Event — 事件（会议、发布、截止日期）
Document — 文档（报告、合同、笔记）
创建 Person 实体
记住：张伟，后端工程师，负责支付模块，偏好用微信沟通，时区 UTC+8
AI 会自动解析并存入图谱：
{
"type": "Person",
"name": "张伟",
"attributes": {
"role": "后端工程师",
"domain": "支付模块",
"contact": "微信",
"timezone": "UTC+8"
}
}创建 Project 实体
记住项目：重构支付系统，截止 2026-06-30，负责人张伟，当前状态进行中
创建 Task 实体
添加任务：本周五前完成支付网关迁移方案文档，优先级高，关联项目"重构支付系统"
openclaw 让 ai 记住人名 项目 任务 就是这么简单——用自然语言描述，ontology 自动提取结构化信息存储。
第三步：查询已有实体
安装 ontology 后，你可以用自然语言跨会话查询之前存入的信息：
张伟是谁？他负责什么？
本周有哪些高优先级任务？
"重构支付系统"项目的当前状态怎么样？
列出所有和张伟相关的项目和任务
ai agent 长期记忆 自托管 场景下，这种查询能力尤其有价值——无论距上次对话多久，AI 都能从图谱里精准检索，而不是靠模糊的"之前好像说过"。
第四步：实体关联（Linking）
ontology 最强大的地方是建立实体之间的关系：
关联：张伟负责项目"重构支付系统"，他的联系人是李娜（产品经理）
标记：任务"支付网关迁移文档"属于项目"重构支付系统"，由张伟执行
关联建立后，可以做图谱遍历查询：
和"重构支付系统"相关的所有人和任务是什么？
李娜参与了哪些项目，她的直接协作者有谁？
这种关联推理是普通上下文无法做到的。
第五步：更新和删除实体
更新：张伟已完成支付网关迁移，任务状态改为"已完成"
更新：重构支付系统项目截止日期推迟到 2026-08-15
删除实体：移除"支付网关迁移文档"这个任务
第六步：和 self-improving-agent 组合使用
ontology 和 self-improving-agent 区别：两者互补，不是替代关系。
- self-improving-agent（Lesson 09）：记录 AI 的行为偏好和操作经验（"用 pnpm 不用 npm"）
- ontology：记录业务知识和现实世界信息（人、项目、任务、事件）
组合安装，构建完整记忆体系：
/install @pskoett/self-improving-agent
/install @oswalpalash/ontology
实际效果：
你：帮我更新一下张伟的任务进度
AI：（从 ontology 检索"张伟"的所有任务）
张伟当前有 3 个进行中的任务：
1. 支付网关迁移文档（高优先级，截止本周五）
2. ...
请问哪个任务要更新？
AI 既知道"张伟是谁"（ontology），也知道"你喜欢简洁的回答格式"（self-improving-agent）。
常见问题
OpenClaw 关闭后 AI 还记得之前说的话吗？
安装 ontology Skill 后，你主动存入图谱的信息会永久保存在本地 ~/.openclaw/workspace/skills/ontology/graph.json 文件中，不受对话关闭影响。下次打开 OpenClaw 新建对话，AI 依然可以通过自然语言查询到这些信息。需要注意的是，只有显式存入图谱的内容才持久保存，普通聊天内容仍然随会话结束而消失。
ontology Skill 能存哪些类型的实体？
ontology 内置支持五种实体类型：Person（人物）、Project（项目）、Task（任务）、Event（事件）、Document（文档）。每种类型都可以携带自定义属性（如职位、状态、截止日期等），实体之间可以建立关联关系，支持图谱遍历查询。如果内置类型不够用，也可以用自然语言描述自定义类型，ontology 会自动推断分类。
ontology 和 self-improving-agent 有什么区别？
两者解决不同的记忆问题。self-improving-agent 记录的是 AI 的行为模式和操作经验，比如"这个项目用 pnpm""总结时不要列来源"，侧重于改进 AI 的工作方式。ontology 记录的是现实世界的业务知识，比如"张伟是后端工程师负责支付模块"，侧重于让 AI 了解你的工作环境和人际关系。两个 Skill 可以同时安装，效果叠加互补。
知识图谱数据保存在哪里，会上传云端吗？
所有数据保存在本地 ~/.openclaw/workspace/skills/ontology/graph.json 文件中，格式是标准 JSON，可以直接查看和备份。OpenClaw 是完全自托管方案，数据不经过任何云服务器，不会被上传或同步到 Anthropic 或第三方平台。如需在多台设备间共享知识图谱，可以手动复制 graph.json 文件，或将其纳入 git 版本管理。