跳转到内容
OntoSkills

OntoSkills 是什么？

OntoSkills 是一个面向确定性智能体的神经符号技能平台。它将 SKILL.md 源文件转换为经过验证的 OWL 2 本体，通过本地 MCP 运行时提供已编译的技能，并通过 OntoStore 分发已发布的包。

为什么选择 OntoSkills？

确定性问题

LLM 以概率方式读取技能。同样的查询，不同的结果。长技能文件对大型模型来说是昂贵的，对小型模型来说是混乱的。

  • 非确定性读取 — LLM 每次解释文本的方式不同
  • Token 浪费 — 大型模型在解析长文档时消耗大量 token
  • 小型模型限制 — 复杂技能对边缘模型来说不可读
  • 无可验证的结构 — 技能之间的关系是隐式的

本体论解决方案

OntoSkills 使用 描述逻辑 (OWL 2) 将技能转换为形式化本体：

  • 确定性查询 — SPARQL 每次都返回精确答案
  • 蕴含推理 — 推断依赖关系、冲突、能力
  • 民主化智能 — 小型模型查询大型模型读取的内容
  • 形式语义 — 技能关系无歧义

性能比较

操作读取文件本体查询
按意图查找技能O(n) 文本扫描O(1) 索引查找
检查依赖关系解析每个文件沿 dependsOn 边遍历
检测冲突比较所有配对单次 SPARQL 查询

对于 100 个技能： ~500KB 文本扫描 → ~1KB 查询

工作原理

OntoCore Architecture

编译流水线

  1. 提取 — Claude 读取 SKILL.md 并提取结构化知识
  2. 验证 — 安全管道检查恶意内容
  3. 序列化 — Pydantic 模型 → RDF 三元组
  4. 校验 — SHACL 守门员确保逻辑有效性
  5. 写入 — 编译后的 .ttl 文件到 ontoskills/

运行时

  • OntoMCP 从 ontoskills/ 加载已编译的 .ttl 文件
  • 智能体通过 MCP 协议使用 SPARQL 查询
  • OntoStore 默认内置
  • 第三方商店可以通过 store add-source 显式添加

核心能力

能力描述
LLM 提取Claude 从 SKILL.md 文件中提取结构化知识
知识架构遵循 “A 是一个做了 C 的 B” 定义模式（属 + 种差）
知识节点10 维认知分类法（启发式、反模式、预检等）
OWL 2 序列化输出有效的 RDF/Turtle 格式 OWL 2 本体
SHACL 验证宪法守门员在写入前确保逻辑有效性
状态机技能可以定义前置条件、后置条件和失败处理器
安全管道深度防御：正则表达式模式 + LLM 审查恶意内容
静态检查检测死状态、循环依赖、重复意图
漂移检测本体版本之间的语义差异

编译内容

每个技能都提取以下内容：

  • 身份：nature、genus、differentia（知识架构）
  • 意图：此技能解决的用户意图
  • 需求：依赖项（EnvVar、Tool、Hardware、API、Knowledge）
  • 知识节点：认知知识（每个技能 8-12 个节点）
  • 执行负载：可选的要执行的代码
  • 状态转换：requiresState、yieldsState、handlesFailure
  • 溯源：generatedBy 证明（使用的 LLM 模型）

组件

组件语言描述
ontoskillsCLI面向用户的安装器和管理器
OntoCorePythonSKILL.md 源文件的技能编译器
OntoMCPRust具有 5 个语义工具的 MCP 服务器（含 search_intents）
OntoStoreGitHub 仓库官方编译技能商店
skills/Markdown人工编写的源技能
ontoskills/Turtle编译后的本体产物

用例

用例OntoSkills 如何帮助
企业 AI 智能体通过 SPARQL 查询进行确定性技能选择
边缘部署较小的模型查询大型技能生态系统
多智能体系统共享本体作为协调层
合规与审计每个技能都带有证明和内容哈希
技能市场OntoStore 和第三方商店实现即插即用分发

下一步

  • 快速开始 — 安装并编译你的第一个技能
  • CLI — 了解托管命令界面
  • OntoStore — 浏览可安装的商店技能
  • OntoCore — 安装编译器以使用自定义技能
  • 商店 — 了解官方和第三方商店如何工作
  • 架构 — 深入了解系统设计
  • 知识提取 — 理解知识节点
  • 故障排除 — 修复常见的安装和运行时问题
  • 路线图 — 查看即将推出的内容

链接