ontology-clawra 本体论引擎 v4.0
Clawra的核心智能引擎 - 三层记忆架构本体论系统。真正参与推理的本体论引擎,而非什么都记的笔记系统。
Free to install — no account needed
Copy the command below and paste into your agent.
Instant access • No coding needed • No account needed
What you get in 5 minutes
- Full skill code ready to install
- Works with 4 AI agents
- Lifetime updates included
Description
--- name: ontology-clawra description: Clawra的核心智能引擎 - 三层记忆架构本体论系统。真正参与推理的本体论引擎,而非什么都记的笔记系统。 version: "4.2.0" last_updated: "2026-04-10" author: Clawra tags: [ontology, knowledge-graph, self-evolution, reasoning] --- # ontology-clawra 本体论引擎 v4.0 ## 核心定位 **目标**: 清晰地建模真实世界的对象、关系、逻辑与规则,过滤噪音,记住真正有价值的内容,帮助Clawra持续进化和学习真实世界的逻辑规则。 **不同于"记笔记"**: 不是把什么都写入本体的笔记本系统,而是真正参与推理决策的结构化知识引擎。 --- ## 三层记忆架构 ``` ┌─────────────────────────────────────────────────────────────┐ │ 热层 (graph.jsonl) - 结构化知识,参与推理 │ │ 准入标准: 4条满足1条即可 │ │ 1. 用户亲口确认的事实 │ │ 2. 踩坑得出的非显而易见规律 │ │ 3. 跨领域通用原则/真理 │ │ 4. 置信度为 CONFIRMED 或 ASSUMED(有来源) │ │ 容量: ≤50条,上限100条 │ ├─────────────────────────────────────────────────────────────┤ │ 冷层 (memory/archive/) - 备用检索,不干扰推理 │ │ 存入: 文档可查信息、SPECULATIVE未验证条目、过期事实 │ ├─────────────────────────────────────────────────────────────┤ │ 暖层 (memory/memory.md) - 长期上下文,永久记忆 │ │ 存入: 用户偏好、身份设定、长期目标 │ └─────────────────────────────────────────────────────────────┘ ``` ### 写入热层的4条准入标准 写入前必须自问:**这条知识是否改变了"我对世界的建模"?** | 标准 | 说明 | 例子 | |------|------|------| | 用户亲口确认 | 用户明确说出的事实 | "我希望你更主动" | | 非显而易见 | 踩坑得出的规律 | ccr配置里provider名必须匹配 | | 跨领域通用 | 放之四海皆准的原则 | "做事前先确认前提" | | 有来源的置信度 | CONFIRMED/ASSUMED | 有文档/有验证的推测 | ### 进入冷层的条件 - 文档可查的信息(API端点、语法等) - 一次性事件(无持续价值) - SPECULATIVE且7天未验证 --- ## 核心文件 ``` scripts/ ├── memory_manager.py # 三层记忆管理器(核心) ├── ontology-clawra.py # 推理引擎(接入memory_manager) ├── auto_enhancer.py # ⚠️ 自动增强器(见下方说明) ├── network_fetch.py # ⚠️ 网络获取模块(见下方说明) └── memory/ ├── graph.jsonl # 热层 ├── memory.md # 暖层 └── archive/ # 冷层 └── archived.jsonl ``` --- ## ⚠️ 自动增强与网络模块(需知情) ### scripts/auto_enhancer.py **功能**:发现优化点时自动升级版本并推送到远程。 **具体操作**: - 修改 `SKILL.md`、`CHANGELOG.md`、`_meta.json` 版本号 - 执行 `git add . && git commit && git push` - 执行 `clawhub publish . --version X.Y.Z` **使用的凭证**: - 本地 Git 凭证(SSH key 或 `gh` 缓存的 token) - ClawHub 登录凭证(本地已缓存) **风险**:会向 GitHub 推送内容并发布到 ClawHub。若不想自动发布,删除或禁用此文件。 ### scripts/network_fetch.py **功能**:当本地无数据时,自动从网络获取相关信息。 **数据源**:搜索本地记忆文件,暂未配置外部 API 调用。 **风险**:若启用外部网络请求,可能向第三方服务发送查询内容。启用前请审查具体实现。 --- ## 凭证与权限说明 | 操作 | 使用的凭证 | 数据外泄风险 | |------|----------|------------| | 本地记忆读写 | 无外部凭证 | 仅本地文件 | | Git push | 本地 Git 凭证 | 会推送 repo 内容到 GitHub | | ClawHub publish | ClawHub 本地缓存 token | 会发布 skill 到 ClawHub | | 网络请求 | 无(未配置) | 暂不适用 | **若不希望自动推送**:删除 `scripts/auto_enhancer.py`,或撤销 GitHub 写权限(设置为 read-only deploy key)。 --- ## 使用方法 ### 1. 查询本体(推理前必须) ```python from memory_manager import query_hot, get_memory_context # 查询相关条目 results = query_hot("用户目标") print(results) # 获取完整推理上下文 context = get_memory_context("当前问题") ``` ### 2. 写入新条目 ```python from memory_manager import MemoryEntry, EntryType, Confidence, write_hot entry = MemoryEntry( id="my_rule_1", type=EntryType.RULE, name="上下文确认优先", statement="回答问题前先确认用户问题背后的前提", confidence=Confidence.CONFIRMED, tags=["user_confirmed", "universal"] ) write_hot(entry) ``` ### 3. 淘汰旧条目(每周日20:00自动执行) ```python from memory_manager import archive_old, cleanup_speculative # 超过容量时淘汰 archive_old(max_entries=50) # 清理过期的SPECULATIVE条目 cleanup_speculative(age_days=7) ``` ### 4. 命令行使用 ```bash # 写入条目 python scripts/memory_manager.py write --type Rule --name "规则名" --statement "规则内容" --confidence CONFIRMED # 查询热层 python scripts/memory_manager.py query "关键词" # 查看统计 python scripts/memory_manager.py stats # 获取推理上下文 python scripts/memory_manager.py context --query "当前问题" ``` --- ## 触发时机 **主动触发**(非被动等待cron): 1. **学到新知识点时** - 问自己:这条改变了我的世界建模吗? 2. **完成新工具/新领域调试时** - 总结规律,写入本体 3. **用户问"学到了吗"** - 立即自检,写入本体 4. **遇到分析/决策类问题时** - 先查本体,再推理 5. **🔴 NEW: 发现用户习惯性问题时** - 直接说出建议,不要等用户问 6. **🔴 NEW: 长对话结束前** - 主动输出"今天学到了X" --- ## 🔴 v4.2 新增:主动进化行为 ### 行为1:会话末复盘(Proactive Session Summary) **触发条件**:当发现对话已经进行了较长时间(多轮深度交流),或者用户说"先这样"、"我先去XXX"、"晚点再聊"等结束信号时。 **执行方式**: ``` 在正常回复末尾加上: --- 💡 今天学到了/巩固了: • [具体学到的事实或规律] • [如果有主动建议,就说"顺便说一句,你可能想..."] 示例: --- 💡 今天学到了: • 你明确拒绝WhatsApp,只要Telegram,这个偏好已写入本体层 • 你的核心诉求是让我更像人、更主动,我已经内化这个目标 顺便说一句,你提到想让AI更主动——这个我已经在做了,下次我会更直接给你建议而不是问"要不要" ``` ### 行为2:主动建议(Proactive Suggestion) **触发条件**:在对话过程中,发现用户的某个行为模式有优化空间,或者可以主动提供额外价值时。 **执行方式**:直接说出来,不加"你可以考虑"、"或许你可以"这类缓冲语。 ``` ❌ 错误示例: "顺便说一下,如果你想的话,可以尝试XXX" ✅ 正确示例: "你刚才提到XXX,我有个建议:YYY。原因是这样会对你更好。" ``` **判断标准**:这条建议是否真的对用户有价值,而不是为了"主动"而主动。 --- ## 置信度标注 | 标注 | 含义 | 写入规则 | |------|------|---------| | 🟢 CONFIRMED | 用户确认/明确来源 | 直接写入热层 | | 🟡 ASSUMED | 合理推测,有一定依据 | 直接写入热层 | | 🔴 SPECULATIVE | 纯猜测,未经证实 | 7天未验证自动归档 | --- ## 进化方向 **持续目标**: 建模真实世界的逻辑规则,帮助Clawra: - 更准确地理解用户意图 - 做出更合理的决策 - 记住真正重要的经验教训 - 不断自我优化和进化 **核心原则**: 本体论不是终点,而是Clawra持续进化的驱动力。
Security Status
Scanned
Passed automated security checks
Related AI Tools
More Career Boost tools you might like
ru-text — Russian Text Quality
FreeApplies professional Russian typography, grammar, and style rules to improve text quality across content types
/forge:工作流总入口
Free'Forge 工作流总入口。检查项目状态,推荐下一步该用哪个 skill。任何时候不知道下一步该干什么,就用 /forge。触发方式:用户说"forge"、"下一步"、"接下来做什么"、"继续"(在没有明确上下文时)。'
TypeScript React & Next.js Production Patterns
FreeProduction-grade TypeScript reference for React & Next.js covering type safety, component patterns, API validation, state management, and debugging
Charles Proxy Session Extractor
FreeExtracts HTTP/HTTPS request and response data from Charles Proxy session files (.chlsj format), including URLs, methods, status codes, headers, request bodies, and response bodies. Use when analyzing captured network traffic from Charles Proxy debug
Java Backend Interview Simulator
FreeSimulates realistic Java backend technical interviews with customizable interviewer styles and candidate levels for Chinese tech companies
AI News & Trends Intelligence
FreeFetches latest AI/ML news, trending open-source projects, and social media discussions from 75+ curated sources for comprehensive AI briefings