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 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:
- 仓库:https://github.com/semantica-agi/semantica
- 架构说明:https://github.com/semantica-agi/semantica/blob/main/ARCHITECTURE.md
- 文档站:https://docs.getsemantica.ai/
- 主页:https://getsemantica.ai/
- PyPI:https://pypi.org/project/semantica/
- v0.7.0:https://github.com/semantica-agi/semantica/releases/tag/v0.7.0
- 封面图 BFO 2.0:https://commons.wikimedia.org/wiki/File:BFO_ontology.jpg(AH-LOD,CC BY-SA 4.0)
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 Release | v0.7.0(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
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。
- 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 |
| CLI | semantica 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 |
| REST | python -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 |
| MCP | python -m semantica.mcp_server 或 semantica-mcp,默认 stdio,面向 Claude Desktop 等客户端 |
| Explorer | pip 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 + RAG | Palantir Ontology / Ontexus | EvoOntology | Semantica | |
|---|---|---|---|---|
| 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。
