首页/博客/AI 应用/Ontology/Agent Memory:结构化长期记忆
AI 应用

Ontology/Agent Memory:结构化长期记忆

👤ChengJJ📅2026年5月22日⏱️3 分钟阅读
--

构建结构化长期记忆,让上下文连贯、任务可延续,避免每次"失忆"。

Ontology/Agent Memory:结构化长期记忆

概要

Ontology(或 Agent Memory)是一款构建结构化长期记忆的 Skill。它让 AI Agent 的上下文连贯、任务可延续,彻底解决每次对话都"失忆"的问题。

核心问题

传统 AI 对话的痛点:

  • 每次新对话都从零开始
  • 无法记住你的项目背景
  • 跨会话的任务无法延续
  • 重复解释相同的上下文

核心功能

1. 知识图谱

  • 自动构建实体关系图
  • 记录项目架构、技术栈、团队成员
  • 支持查询和推理

2. 会话记忆

  • 跨会话保持上下文
  • 自动提取关键信息存储
  • 按主题组织记忆

3. 任务延续

  • 记录未完成的任务状态
  • 下次对话自动恢复进度
  • 支持长期项目追踪

使用方式

# 安装
clawhub install ontology

# 存储记忆
/remember "项目使用 Next.js 16 + Vercel Postgres"

# 查询记忆
/recall "这个项目的技术栈是什么?"

# 查看知识图谱
/memory graph

# 清理过期记忆
/memory cleanup --older-than 30d

与 Planning with Files 的区别

特性OntologyPlanning with Files
存储方式数据库/向量存储文件系统
结构化程度高(知识图谱)中(Markdown)
查询能力语义搜索文本搜索
适用场景长期知识积累项目规划管理

总结

Ontology 是 AI Agent 的"长期记忆系统",让每次对话都建立在之前积累的基础上,实现真正的连续性工作。

分享文章

💬 评论区

💡 使用 GitHub 账号登录即可评论