教程 12 — OpenClaw ontology Skill 教程：給 AI 裝上持久記憶和結構化知識圖譜（2026）
目標：安裝 ontology Skill，讓 OpenClaw 能記住人名、專案、任務等結構化資訊，跨會話持久保留。
普通上下文記憶 vs ontology 持久記憶
openclaw 結構化記憶 vs 普通上下文 最大的區別不是「記多記少」，而是「記什麼、怎麼查」：
| 維度 | 普通上下文記憶 | ontology 持久記憶 |
|---|---|---|
| 持久性 | 關閉對話即消失 | 永久儲存在本地 |
| 結構化程度 | 非結構化文本 | 實體 + 關係圖譜 |
| 跨會話 | 不支援 | 支援 |
| 查詢方式 | 只能翻上下文 | 自然語言精準查詢 |
| 資料量限制 | 受 Context Window 限制 | 僅受本地磁碟限制 |
| 關聯推理 | 弱 | 可以遍歷實體關係 |
openclaw 對話記憶 跨會話儲存 的核心就靠這個 Skill。裝完之後，你和 AI 說過的重要事情——專案進展、團隊成員資訊、決策記錄——都會變成結構化節點，下次打開對話時依然可以精準調取。
第一步：安裝 ontology Skill
/install @oswalpalash/ontology
安裝完成後驗證：
pnpm openclaw skills list
# 應出現 ontologySkill 安裝後會在本地建立知識圖譜儲存目錄：
~/.openclaw/workspace/skills/ontology/
├── SKILL.md ← Skill 主邏輯
└── graph.json ← 知識圖譜資料（JSON 格式，可直接查看）
第二步：建立實體
ontology 支援五種內建實體類型：
Person — 人物（同事、客戶、聯絡人）
Project — 專案（代碼倉庫、產品線、合約）
Task — 任務（待辦事項、里程碑、缺陷）
Event — 事件（會議、發布、截止日期）
Document — 文件（報告、合約、筆記）
建立 Person 實體
記住：張偉，後端工程師，負責支付模組，偏好用微信溝通，時區 UTC+8
AI 會自動解析並存入圖譜：
{
"type": "Person",
"name": "張偉",
"attributes": {
"role": "後端工程師",
"domain": "支付模組",
"contact": "微信",
"timezone": "UTC+8"
}
}建立 Project 實體
記住專案：重構支付系統，截止 2026-06-30，負責人張偉，當前狀態進行中
建立 Task 實體
新增任務：本週五前完成支付網關遷移方案文件，優先級高，關聯專案「重構支付系統」
openclaw 讓 ai 記住人名 專案 任務 就是這麼簡單——用自然語言描述，ontology 自動提取結構化資訊儲存。
第三步：查詢已有實體
安裝 ontology 後，你可以用自然語言跨會話查詢之前存入的資訊：
張偉是誰？他負責什麼？
本週有哪些高優先級任務？
「重構支付系統」專案的當前狀態怎麼樣？
列出所有和張偉相關的專案和任務
ai agent 長期記憶 自託管 場景下，這種查詢能力尤其有價值——無論距上次對話多久，AI 都能從圖譜裡精準檢索，而不是靠模糊的「之前好像說過」。
第四步：實體關聯（Linking）
ontology 最強大的地方是建立實體之間的關係：
關聯：張偉負責專案「重構支付系統」，他的聯絡人是李娜（產品經理）
標記：任務「支付網關遷移文件」屬於專案「重構支付系統」，由張偉執行
關聯建立後，可以做圖譜遍歷查詢：
和「重構支付系統」相關的所有人和任務是什麼？
李娜參與了哪些專案，她的直接協作者有誰？
這種關聯推理是普通上下文無法做到的。
第五步：更新和刪除實體
更新：張偉已完成支付網關遷移，任務狀態改為「已完成」
更新：重構支付系統專案截止日期推遲到 2026-08-15
刪除實體：移除「支付網關遷移文件」這個任務
第六步：和 self-improving-agent 組合使用
ontology 和 self-improving-agent 區別：兩者互補，不是替代關係。
- self-improving-agent（Lesson 09）：記錄 AI 的行為偏好和操作經驗（「用 pnpm 不用 npm」）
- ontology：記錄業務知識和現實世界資訊（人、專案、任務、事件）
組合安裝，構建完整記憶體系：
/install @pskoett/self-improving-agent
/install @oswalpalash/ontology
實際效果：
你：幫我更新一下張偉的任務進度
AI：（從 ontology 檢索「張偉」的所有任務）
張偉當前有 3 個進行中的任務：
1. 支付網關遷移文件（高優先級，截止本週五）
2. ...
請問哪個任務要更新？
AI 既知道「張偉是誰」（ontology），也知道「你喜歡簡潔的回答格式」（self-improving-agent）。
常見問題
OpenClaw 關閉後 AI 還記得之前說的話嗎？
安裝 ontology Skill 後，你主動存入圖譜的資訊會永久儲存在本地 ~/.openclaw/workspace/skills/ontology/graph.json 檔案中，不受對話關閉影響。下次打開 OpenClaw 新建對話，AI 依然可以通過自然語言查詢到這些資訊。需要注意的是，只有顯式存入圖譜的內容才持久儲存，普通聊天內容仍然隨會話結束而消失。
ontology Skill 能存哪些類型的實體？
ontology 內建支援五種實體類型：Person（人物）、Project（專案）、Task（任務）、Event（事件）、Document（文件）。每種類型都可以攜帶自定義屬性（如職位、狀態、截止日期等），實體之間可以建立關聯關係，支援圖譜遍歷查詢。如果內建類型不夠用，也可以用自然語言描述自定義類型，ontology 會自動推斷分類。
ontology 和 self-improving-agent 有什麼區別？
兩者解決不同的記憶問題。self-improving-agent 記錄的是 AI 的行為模式和操作經驗，比如「這個專案用 pnpm」「總結時不要列來源」，側重於改進 AI 的工作方式。ontology 記錄的是現實世界的業務知識，比如「張偉是後端工程師負責支付模組」，側重於讓 AI 了解你的工作環境和人際關係。兩個 Skill 可以同時安裝，效果疊加互補。
知識圖譜資料儲存在哪裡，會上傳雲端嗎？
所有資料儲存在本地 ~/.openclaw/workspace/skills/ontology/graph.json 檔案中，格式是標準 JSON，可以直接查看和備份。OpenClaw 是完全自託管方案，資料不經過任何雲端伺服器，不會被上傳或同步到 Anthropic 或第三方平台。如需在多台設備間共享知識圖譜，可以手動複製 graph.json 檔案，或將其納入 git 版本管理。