在Protege下可以建立本體，但是沒有用OWL，直接用的class和slot，直接用Protege的JessTab可以對其推理利用，但是其他人大多用OWL本體，並用Jena和Racer推理，這二個的主要區別有:
1. Jess(Java Expert Shell System)是基於Java語言的CLISP推理機。
CLISP是基於產生式的前向推理引擎，它是一種非常基礎性的東西，許多
上層的推理任務，都要映射到這個推理引擎上來運行。
CLISP(或Jess)原則上可以處理各種領域的推理任務，只要系統能夠爲CLISP提供這個領域的特有領域規則(產生式形式給出)和事實信息(Assertion形式給出)。
本體推理作爲一類應用，當然也可以映射到CLISP推理機上進行推理，但必須爲推理機提供本體領域的有關規則。例如，要用CLISP(Jess)進行OWL的推理，就要以產生式規則的形式，向系統中輸入OWL的每種語言成分
的含義的有關規則。有了這些規則後，就可以用CLISP對OWL形式給出的本體
進行推理了。同理，若對DAML形式給出的本體進行推理，就需要向CLISP中
提供DAML的每種語言成分的含義的有關規則。
Jess(CLISP)的優點是：推理機是開放的，用戶提供不同的規則系統，就可以
進行不同領域的推理工作，用戶可以對推理機的推理能力進行擴展。
但，作爲前向推理系統，Jess用空間換時間，推理會產生大量的中間數據，空間效率很低；同時，由於Jess(CLISP)是通用推理引擎，不可能提供針對各種具體領域的優化能力，使得這種推理機制的效率很難優化。
2.
現在，針對本體的推理，越來越多地集中在了幾種標準的本體語言上，如OWL、DAML、RDFS/RDF等，這樣，研究者給出效率更高的，針對這些具體應用的推理機。
象RACER、FaCT、Pellet等就是這類具體有強烈針對性的推理機。它們的優點是：
效率很高，使用上也非常方便；缺點是：不是通用推理機，將推理能力限定在幾種
具體的本體語言上，而且用戶很難對它進行擴展。
值得強調的是，RACER、FaCT、Pellet採用描述邏輯作爲理論基礎，算法採用Tableau算法。這些系統都做了大量的優化工作。
Jena是面向語義Web的應用開發包，包含的內容比較全面，推理機只是其中一部分。
Jena提供的推理機也和RACER、FaCT、Pellet等一樣，是針對本體的推理機，
但Jena本身並不是‘推理機設計專家’，它自身包含的推理機基本上就是一種CLISP配合
本體領域產生式規則的前向推理系統。因此，它的運行效率不是很高。好在現在有DIG接口，DIG有點象數據庫中的ODBC，允許前端掛接到後臺不同的推理引擎上。這樣，在Jean中，也可以使用RACER、FaCT、Pellet這樣更‘專業’些的推理機。
綜上所述，可做如下區分：
1. Jena中的推理引擎和RACER都是針對具體本體語言的推理機，針對性強，效率高。
2. Jess是層面更低的，通用的CLISP推理機。
這就可以解釋：爲什麼當用戶使用owl表示本體時，Protege會用Jena或RACER等推理，而當用戶使用class/slot表示本體時，Protege僅能使用Jess。其實，從能力上，Jess也可以完成owl推理(需要輸入相應的產生式規則庫)，只是效率低。…
這裏面有很多新的概念，比如OWL等等。。。這些先不急，都是些人工智能相關的東西，這篇文章讓我更加了解人工智能相關的東西，推理語言，工具，更瞭解Jess是什麼東西。
下面幾個相關的鏈接：
OWL：http://baike.baidu.com/view/671477.htm