传统图谱三元组的最大问题是建设时没有目标，导致生成大量实体，一方面准确率不好保证，另一方面生成效率低，可用性差。例如“A 是 程序员”，“A 是 滴滴司机”，都是正确的但发生在不同时间；我关注的核心不是冲突，而是我为什么需要拆解这个三元组。如果我做的是排障，就像专家一样，只需要抽取和排障流程相关的内容就好，其他保留原样就好。

所谓智能体记忆也一样，不存在通用又不需要场景定制的方案，更多是一种方法论。例如警察探案，需要的是积累探案专家经验，例如分析作案动机：需要什么数据，如何分析；分析社会关系，目标是什么，需要什么数据如何分析，积累了足够多的专家经验，就知道需要哪些实体、建立哪些关系、流程，以及建立哪些函数动作，积累的多了，不仅可以自动化，而且可以让模型泛化；让模型学习人的思维方式和讨论进行规划探索。

本体论第一核心是以分析为核心，要有分析目标和分析逻辑，不仅是基础数据；第二是面向对象，是的面向对象，面向对象才能无限扩展，而不是面向过程逻辑越累越多，无法复用；其他映射现实、语义统一、封装动作、嵌入规则、写入与反馈等可参考本体论正常过程