文章

Semantica图原生上下文基础设施调研

Semantica 是 MIT 许可的图原生语义层:把来源收成可遍历的上下文图,在图上做 OWL/SHACL 治理、规则推理、PROV-O 溯源和决策节点。它补的是结构和「为什么」,不是对象写回,也不是问数口径。

Semantica图原生上下文基础设施调研

Semantica图原生上下文基础设施调研

Semantica 面向 Agent 与高风险决策场景,把企业数据建成可查询的上下文图和知识图谱,并在图上做本体治理、规则推理和决策溯源。仓库 semantica-agi/semantica(调研时约 14,529 star、1,713 fork,MIT),主页 getsemantica.ai,PyPI 包 semantica。截至调研时最新 tagged 版本为 v0.7.0(2026-09-22)。下文按 README、ARCHITECTURE.md 与官方文档整理。

参考与延伸阅读:


目录


1. 定位

Semantica 是一套 Python 知识基础设施,口号是 Graph-Native Infrastructure for Context and Accountable AI Systems。官方把自己写成「昂贵企业平台的开发者向替代品」:自托管、MIT 许可、存储可替换,不把数据交给第三方 SaaS。

仓库创建于 2025-06-25,作者 Mohammad Kaif(@KaifAhmad1)。产品形态是可独立导入的模块库,外加 CLI、REST、MCP Server 和浏览器工作台 Knowledge Explorer。核心安装不捆绑重型 NLP;NER、可视化、文档解析、图数据库客户端以 extras 按需安装。当前 README 要求 Python 3.11–3.13。

结论性定义: Semantica 放在 LLM、向量库和 Agent 框架之下。它把分散来源收成带类型的实体、关系和决策节点,使「是什么、和谁有关、依据哪条规则、这次为什么这样判」成为可遍历、可导出的图结构。图构建、规则推理和溯源可以不调用大模型;大模型只用于抽取或问答,且经 semantica.llms 可换厂商。

它解释的是系统外围:送进模型的上下文、产出的决策、出处、关系和策略轨迹。它不声称能打开基础模型内部推理。


2. 它首先不是什么

不是原因
文档知识库 / RAG 产品不替代原文检索和页面管理。向量检索只是下游配件,主记忆是图遍历
Palantir 式对象—动作运行时没有「改变源系统状态」的托管 Action 闸门,也没有按对象实例下发的细粒度写权限
行业参考本体不提供金融、制造等现成词汇表。OWL/SHACL 多半从已抽出的实体关系归纳,需人审定
问数引擎不负责指标口径和受控 SQL。湖仓连接器把表变成图节点,不替代语义层问数
传统系统智能化改造套件不会把订单、库存接口自动发布成工具。连接器覆盖的是已能访问的库、文件和 SaaS

一句话:它是 Agent 下面的图操作系统,不是业务系统本身,也不是「先建模对象再写回生产」的企业本体运行时。


3. 产品快照

项值(2026-11-11)
仓库semantica-agi/semantica
星标 / Fork / 开放议题14,529 / 1,713 / 约 125
许可MIT
语言Python
安装pip install semantica;完整能力用 extras 或 pip install "semantica[all]"
最新 GitHub Releasev0.7.0(2026-09-22);主分支此后持续合入修复与文档
企业版官网宣称提供私有化、SLA 与受监管行业专业服务,细节不在开源仓库

受众按 README:要给 Agent 结构化上下文的平台团队;要把湖仓表变成带血缘知识图谱的数据团队;需要回答「AI 为什么这样做」的合规与审计;不能把数据交给外部 SaaS 的金融、医疗、法律、政务和国防机构。


4. 流水线

Semantica 按端到端流水线组织,各阶段可单独 import:

1
2
3
4
5
来源 → 摄入 → 解析 → 归一化 → 切块 → 抽取
     → 冲突检测 → 去重 → 知识图谱
     → 本体 · 推理 · 溯源 · 决策
     → 向量库 + RDF / LPG 图存储
     → 导出 / 可视化 / REST · MCP · CLI
  1. 摄入。 文件(PDF、DOCX、HTML、表格等)、网页、关系库、湖仓(Databricks、Snowflake)、SAP OData、Git、邮件、消息流,以及 MCP 资源。较新版本还增加 BigQuery、Redshift、Power BI、Airflow、JSONL 等连接器。
  2. 解析与切块。 文本、实体、日期归一化;面向 GraphRAG 的实体感知、关系感知、本体感知切块,避免把一个实体从中间切断。
  3. 抽取。 NER、关系、事件、三元组。可选按领域 schema 校验抽取结果,也可从抽取结果引导出草稿本体。
  4. 冲突与去重。 多源对同一实体给出不同职务或金额时先标记再合并,而不是静默覆盖。去重支持 blocking 与语义相似度。
  5. 建图。 GraphBuilder 生成节点与边,可开双时态事实。之上跑中心性、社区发现、链路预测、最短路。
  6. 智能层。 OWL/SHACL/SKOS 治理,Rete / Datalog / SPARQL 推理,W3C PROV-O 血缘,决策节点与因果链。
  7. 存储与出口。 RDF(Oxigraph、Blazegraph、Jena、RDF4J 等)与 LPG(Neo4j、FalkorDB、AGE、Neptune)可换;向量库可选 FAISS、Qdrant、Weaviate、Milvus、Pinecone、PgVector。导出 Turtle、JSON-LD、OWL、Parquet、Cypher 等。

5. 四块核心能力

5.1 上下文图(Context Graph)

相对扁平 embedding,「相似」之外再回答「连着谁、为什么、怎么连」。实体、关系、事实、决策都是一等节点,可按 hop 遍历,可按历史日期取快照(state_at)。边可带 valid_from / valid_until,事实可同时记录「世界上何时为真」和「系统何时写入」。

AgentContext 把向量库与知识图谱绑在一起,供 Agent 写入对话记忆并按问题取回。多个 Agent 可共用同一张图,而不是各持一份窗口记忆。

5.2 决策智能(Decision Intelligence)

一次 Agent 选择不是日志行,而是图上的节点,带类别、场景、理由、结果、置信度和元数据。因果边限定为 CAUSED、INFLUENCED、PRECEDENT_FOR。

API作用
record_decision写入结构化决策
add_causal_relationship挂上游原因或下游影响
trace_decision_chain回溯祖先链
find_similar_decisions按语义找先例
analyze_decision_impact看该决策影响了什么
check_decision_rules对照策略规则做合规门

导出格式包括 W3C PROV-O、JSON、CSV,面向审计提交。这是相对普通 GraphRAG 仓库最明显的增量。

5.3 本体:从数据归纳,用 SHACL 约束

OntologyGenerator 从实体/关系字典推断类和属性,生成 OWL;OntologyValidator 做一致性与 SHACL 形状检查。另有 SKOS 词表、跨本体对齐、Ontology Hub 可视化编辑。v0.7.0 增加 bootstrap_schema:先从抽取结果长出草稿,再由人批准。

这与 Palantir ObjectType「人事先声明对象、属性、链接、动作」方向相反:先有实例与边,再反推类型。归纳结果是草稿,不能当作已发布的企业契约。

5.4 推理、溯源与事实可信度

  • 推理: 前向链、Rete、Datalog、SPARQL,并生成可逐步展开的解释。README 写明当前 Rete 的条件匹配仍然简单,接入生产合规闸门前要对照真实规则集验收。
  • 溯源: ProvenanceManager 按 W3C PROV-O 记录实体和关系来自哪份文件、哪次抽取。
  • 冲突: 值、类型、关系、时间、逻辑五类冲突,可用来源可信度加权、最近写入或投票等方式消解。
  • 信任分层: 较新版本按旁证把图事实标为隔离 / bronze / silver / gold,并可按「仍被支持的事实」过滤检索。

6. 使用面

能力可以从 Python API 调用,也可以不写代码:

入口说明
Python 包semantica.context、ingest、kg、ontology、reasoning 等模块可单独使用
CLIsemantica doctor 做健康检查;分组命令覆盖摄入、抽取、建图、推理、决策、本体、导出、可视化、MCP
RESTpython -m semantica.server,默认 8000 端口;覆盖抽取、图、决策、推理、溯源、本体、检索、流水线
MCPpython -m semantica.mcp_server 或 semantica-mcp,默认 stdio,面向 Claude Desktop 等客户端
Explorerpip install "semantica[explorer]" 后本地打开图谱、时间轴、决策链、实体消歧、Ontology Hub、血缘视图

MCP 工具(文档列出的集合,随版本增减)大致分四类:抽取实体与关系;增删改查图节点与边、导出与统计;记录/查询决策、先例与因果链;执行规则与语义检索(store_document / retrieve_context 等)。

编辑器插件覆盖 Claude Code、Cursor、Codex、Windsurf、Cline、Continue、VS Code 等。Agent 框架侧对 Agno、CrewAI、LangChain 有一等集成;LangGraph、LlamaIndex、AutoGen 等走 REST 或 MCP。LLM 经 LiteLLM 对接 OpenAI、Anthropic、Gemini、Ollama、DeepSeek 等。

生产部署文档指向 Docker / Kubernetes,以及 AWS、GCP、Azure、Fly.io 等模板,并建议为 API 配置 SEMANTICA_API_KEY、为图和向量选用持久后端。v0.6.5 起 Explorer 默认校验 API Key,未设置则拒绝匿名访问。


7. 和相邻产品的位置

 向量库 + RAGPalantir Ontology / OntexusEvoOntologySemantica
主问题这段文本像不像业务对象是什么、能怎么改这个词对应哪张表、哪条约束实体如何相连、这次决策从哪来
本体来源无人事先建模 Object / Link / Action任务轨迹上版本化术语与映射从抽取结果生成 OWL/SHACL 草稿
写操作无Action 是唯一写闸不执行业务写入图节点与决策记录;不回写源系统
记忆形态切片与相似度物化对象视图小型语义图文件Context Graph + 可选向量
审计弱Action History证据与对照评估PROV-O + 决策因果链
形态检索组件企业平台或自托管运行时编码 Agent 插件Python SDK + 可选常驻服务

相对向量 RAG:补上结构、冲突、时间旅行和「为什么」。
相对 Palantir 路线:更接近知识工程与 GraphRAG 流水线,缺对象物化和受管写回。
相对 EvoOntology:Semantica 自己建图、推理、可视化;EvoOntology 只保存语义记录,查数仍走宿主原有工具。

仓库把自己写成「补在现有 LLM / 向量库 / Agent 之上,而不是替换它们」。这个说法与代码结构一致:没有 LLM 也能建图和跑规则;有 LLM 时抽取质量会上去,但规则引擎并不依赖它。


8. 成熟度

星标在约十七个月内过万,叙事(GraphRAG、可问责 AI、本体、合规导出)与 2025–2026 年热点重合。高星不等于可直接作为生产语义平台。

仓库与发行说明里已经写明、或仍在修复的缺口包括:

  • Rete 条件匹配刻意保持简单,生产合规闸门前必须用真实规则验收。
  • SPARQL 执行直到较近版本才真正打到 triple store;此前存在空操作路径。
  • 开放修复中仍可见:部分导出丢失嵌套置信度或零值偏移、个别 Agent 集成把关系键写错导致边被丢弃、Rete 结论未代入绑定、Explorer 再导入只追加不删除旧节点等。
  • v0.6.x 连续发布过安全补丁(Explorer 缺鉴权、Cypher/SPARQL 注入、SSRF、pickle 反序列化等)。私有化部署应跟发行说明升级,并关闭匿名模式。
  • README 中的性能数字来自约 11.8 万节点的一次测量,不是持续基准;去重加速数字写在 changelog 而非自动化断言里。

适合作为:已有湖仓或文档、需要给 Agent 加可遍历上下文和决策留痕、并能接受自运一套 Python 图栈时的开源选项。
不适合直接当作:企业主数据标准、对象—动作运行时,或传统业务系统的智能化改造工具。


9. 小结

要点结论
主问题Agent 只靠 embedding 时没有结构、没有关系、也说不清依据
给出的答案带出处的上下文图:实体和决策都是节点,SHACL 约束形状,PROV-O 回答事实从哪来
本体角色治理与导出格式(OWL、SHACL、SKOS),不是事先发布的业务契约,也不是写回闸门
不宜类比开源 Palantir;缺对象物化和受管写回

把它当作图原生的语义 / 上下文层来理解,比把它当作「开源 Palantir」更准确。

本文由作者按照 CC BY 4.0 进行授权