Semantica：开源版 Palantir，给 AI Agent 装上可审计的 Context Graph

监管问"AI 为什么这么批"的时候，你的 embedding 答不上来。

大多数 AI Agent 是不留痕迹的。它们存的是 embedding，不是语义：context 没法解释，决策没法审计。在聊天机器人场景这无所谓，但在贷款审批里，这是合规风险——一个承销 Agent 的批准决定，必须经得起监管机构几个月后追问的那句"为什么"。

Semantica（GitHub 10,124 星，1,084 fork，MIT 协议，Python）就是冲这个问题来的。它给自己的定位是"AI Agent 的开源 Palantir"：一个图原生（Graph-Native）的基础设施层，坐在你的 LLM、向量库和 Agent 框架底下，负责 Context Graph 构建、决策记录、因果推理和全程溯源。最关键的一点：建图、推理、溯源全部是确定性代码，不依赖 LLM。

我读完它的 README 和架构文档后觉得，这个项目值得认真拆一次。它踩的位置很准——不是再造一个 Agent 框架，而是补上现有技术栈缺失的"账本"。

本文提纲

RAG 缺的那本账
端到端管线：从原始数据到可审计的图
Decision Intelligence：决策是一等公民
Context Graph：图遍历能找到 embedding 找不到的连接
确定性推理：Rete、Datalog、SPARQL
多语言存储与生态位
实战：给一笔贷款审批做审计链路
性能数字与该知道的坑

RAG 缺的那本账

先看 Semantica 在 README 里放的那张对比表，它把当前主流方案的记忆层问题说得很直白：

	Vector DB + RAG	普通 LLM Memory	Semantica
检索方式	embedding 相似度	token 窗口	图遍历 + 语义搜索
决策历史	不存	不存	一等公民，可查询
溯源	无	无	W3C PROV-O，链接到源
推理	无	黑盒	前向链、Rete、Datalog、SPARQL
冲突检测	静默覆盖	静默覆盖	检测、标记、解决
时间旅行	无	无	任意时间点快照
合规导出	无	无	PROV-O、SHACL、OWL、RDF

这张表里我认为最被低估的一行是冲突检测。多源数据接入时，A 系统说 Alice 是 CTO，B 系统说是 VP Eng，RAG 方案的默认行为是把两条都切成 chunk 存进去，检索时看谁相似度高——知识库就这么悄悄被污染了。Semantica 的做法是显式检测 value/type/relationship/temporal/logical 五类冲突，标记出来，再按可信度加权、多数投票或时间优先策略解决。

另一个被低估的是决策历史。Agent 做了一个决定，这个"决定"在大多数框架里就是一行日志，事后既没法按先例搜索，也没法追溯到根因。Semantica 把它变成图上的一个节点。

端到端管线：从原始数据到可审计的图

Semantica 不是单个库套了个营销名字，它是一条完整的管线，每个阶段都是独立可 import 的模块：

Sources -> Ingest -> Parse -> Normalize -> Split -> Extract -> Conflict Detection -> Deduplication
   -> Knowledge Graph -> [ Ontology · Reasoning · Provenance · Decisions ] -> Enriched KG
   -> Vector Store + Polyglot Graph Store (RDF & LPG) -> Export / Visualize / REST · MCP · CLI

画成图是这样：

MERMAID_BLOCK_0

几个值得注意的细节：

接入层覆盖面很广。 文件（PDF/DOCX/HTML/CSV/Excel）、网页、RSS、REST API、关系型数据库、Parquet、Kafka/Kinesis/Pulsar 流、Git 仓库、邮件、MCP 资源。针对企业数据平台还有原生连接器：Databricks（Unity Catalog + Delta Lake，支持 PAT/OAuth M2M 认证，能拉表级 lineage）和 Snowflake。这个设计意图很明显——让已经躺在 lakehouse 里的表直接变成带溯源的图节点，而不是先导出成 CSV 再导入。

切片是 GraphRAG 原生的。 semantica.split 提供 entity-aware、relation-aware、ontology-aware 等 12 种切片方式。entity-aware 保证命名实体不会被切到两个 chunk 里——做 GraphRAG 的人都知道，实体被切断意味着检索时上下文直接残废。

双向时间轴（bi-temporal）。 每个事实区分 valid_time（世界上为真的时间）和 recorded_at（你得知它的时间），支持 Allen 区间代数和任意时间点快照。这解决了"去年 Q3 这份合同到底说了什么"这类问题——不用重新处理历史数据，直接 state_at("2024-01-01")。

Decision Intelligence：决策是一等公民

这是 Semantica 的旗舰能力。在它这里，一个决策不是日志行，而是一个有完整生命周期的图节点：

record_decision()             -> 存为带完整结构化上下文的图节点
add_causal_relationship()     -> 链接上游原因和下游结果
find_similar_decisions()      -> 跨历史决策的语义先例搜索
trace_decision_chain()        -> 追溯完整因果祖先链
analyze_decision_impact()     -> 下游影响图——这个决策影响了什么
check_decision_rules()        -> 对可配置规则集的策略合规门
export / audit trail          -> 导出 W3C PROV-O、CSV 或 JSON

看一段实际代码，贷款审批场景：

from semantica.context import ContextGraph

graph = ContextGraph(advanced_analytics=True)

app_id = graph.record_decision(
    category="credit_application",
    scenario="Personal loan, $85k income, 31% DTI, 3yr employment",
    reasoning="Income meets threshold; employment stable; no adverse credit events",
    outcome="proceed_to_underwriting",
    confidence=0.88,
    metadata={"applicant_id": "A-7291"},
)
uw_id = graph.record_decision(
    category="loan_underwriting",
    scenario="Underwriting review for A-7291",
    reasoning="DTI within policy; clean 36-month credit history",
    outcome="approved",
    confidence=0.94,
)
rate_id = graph.record_decision(
    category="interest_rate",
    scenario="Rate assignment for approved loan A-7291",
    outcome="rate_set_8.9pct",
    reasoning="Prime + 2.4% based on risk tier B2",
    confidence=0.99,
)

# 建立可审计的因果链，relationship_type 只能是 CAUSED / INFLUENCED / PRECEDENT_FOR
graph.add_causal_relationship(app_id, uw_id,   relationship_type="CAUSED")
graph.add_causal_relationship(uw_id,  rate_id, relationship_type="INFLUENCED")

chain     = graph.trace_decision_chain(rate_id)     # 完整因果祖先链
similar   = graph.find_similar_decisions("personal loan approval, 31% DTI", max_results=5)
impact    = graph.analyze_decision_impact(uw_id)    # 下游影响图
compliant = graph.check_decision_rules({"category": "loan_underwriting", "confidence": 0.94})

这三个决策串成一条因果链：申请 → 承销 → 定价。审计时 trace_decision_chain(rate_id) 一路回溯到根因，find_similar_decisions 能找出历史上所有相似的审批先例，analyze_decision_impact 能算出这个承销决定影响了下游哪些节点。

这个设计对应的现实是：监管框架（金融、医疗）普遍接受 W3C PROV-O 格式的提交，而把决策导出成 PROV-O 恰好是这个数据模型的原生能力。

Context Graph：图遍历能找到 embedding 找不到的连接

Context Graph 是 Semantica 给 Agent 的结构化记忆层。和 RAG 的区别在于回答的问题不同：embedding 回答"什么相似"，图回答"什么相连、为什么、怎么连的"。

from semantica.context import ContextGraph, AgentContext
from semantica.vector_store import VectorStore

graph = ContextGraph(advanced_analytics=True)

graph.add_node("acme_corp",    "Organization", name="Acme Corp", industry="SaaS")
graph.add_node("alice_chen",   "Person",       name="Alice Chen", role="CTO")
graph.add_node("contract_001", "Contract",     value=2_400_000, currency="USD")

graph.add_edge("alice_chen", "acme_corp",    edge_type="works_for",  since="2019-03-01")
graph.add_edge("acme_corp",  "contract_001", edge_type="party_to",   signed="2024-01-15")

# BFS 遍历，从任意节点跳 2 跳
neighbors = graph.get_neighbors("acme_corp", hops=2)

# 时间点快照——图在过去任意日期的状态
snapshot = graph.state_at("2024-01-01")

# AgentContext——Agent 记忆工作流的高层 API
vs  = VectorStore(backend="faiss")
ctx = AgentContext(vector_store=vs, knowledge_graph=graph)
ctx.store("Alice approved the Acme renewal in Q1 2024", conversation_id="conv_001")
retrieved = ctx.retrieve("who approved the Acme contract?")

为什么用图而不是纯 embedding？README 给了三个理由，我认为都站得住：图遍历能找到 embedding 漏掉的连接（离合同 3 跳的那个人）；每个节点带溯源，随时能问"这从哪来的"；冲突在污染知识库之前被拦截。

注意 AgentContext 这个设计——它同时接 vector store 和 knowledge graph，说明 Semantica 没有打算取代向量检索，而是把两者组合起来用。

确定性推理：Rete、Datalog、SPARQL

Semantica 的推理层是这套系统里我最感兴趣的部分，因为它完全不用 LLM：

from semantica.reasoning import ReteEngine, Rule, Fact, RuleType

rete = ReteEngine()
rete.build_network([
    Rule(
        rule_id="aml_flag",
        name="Flag high-risk transactions",
        conditions=[
            {"field": "amount",  "operator": ">",  "value": 10_000},
            {"field": "country", "operator": "in", "value": ["IR", "KP", "SY"]},
        ],
        conclusion="flag_for_compliance_review",
        rule_type=RuleType.IMPLICATION,
    ),
])

rete.add_fact(Fact("tx_001", "transaction", [{"amount": 15_000, "country": "IR"}]))
flagged = rete.match_patterns()
# -> [{"rule": "aml_flag", "matched_facts": ["tx_001"], "conclusion": "flag_for_compliance_review"}]

这是一条 AML（反洗钱）规则：金额超 1 万且流向受制裁国家，自动标记合规审查。规则是声明式的，执行是确定性的，结果是可解释的——ExplanationGenerator 能输出推理路径，每一步用了哪个规则、命中了哪些事实。

Datalog 部分支持递归查询，写起来像自然语言：

from semantica.reasoning import DatalogReasoner

engine = DatalogReasoner()
engine.add_fact("parent(tom, bob)")
engine.add_fact("parent(bob, ann)")
engine.add_rule("ancestor(X, Y) :- parent(X, Y).")
engine.add_rule("ancestor(X, Z) :- parent(X, Y), ancestor(Y, Z).")
ancestors = engine.query("ancestor(tom, ?X)")
# -> [{"X": "bob"}, {"X": "ann"}, {"X": "pat"}]

为什么确定性推理重要？因为在合规场景里，"模型觉得该标记"和"规则判定该标记"是两回事。前者是概率，后者是因果。同一笔交易今天跑和明天跑，规则引擎给出相同结论——这个可复现性是审计的前提。

README 里有个值得表扬的诚实声明：ReteEngine 的 alpha 节点条件匹配器在这个版本是刻意简化的，接入生产合规门之前要先用自己的规则集验证 match_patterns() 的输出，更精细的条件求值在路线图上。开源项目敢在 README 里写自己推理引擎的局限，这个态度比多数商业产品的营销文档强。

另一个必须说清楚的边界：Semantica 提供的是系统级可解释性，不是基础模型可解释性。它不解释 LLM 内部发生了什么——chain-of-thought 对任何外部系统都是黑盒。它解释的是模型外部的东西：喂进去了什么 context 和数据、产出了什么决策、溯源是什么、应用了什么策略、完整执行轨迹。换句话说，它审计的是 AI 系统做了什么，不是 LLM 的私人推理过程。这个区分在选型时很重要，别把它当成模型可解释性工具买回去。

多语言存储与生态位

存储层是 polyglot 设计，RDF 和 LPG 两大阵营都支持，代码不用改就能换后端：

RDF 三元组库：嵌入式 Oxigraph、Blazegraph、Apache Jena、Eclipse RDF4J（走 SPARQL）
属性图（LPG）：Neo4j、FalkorDB、Apache AGE、AWS Neptune（走 Cypher）
向量库：FAISS、Qdrant、Weaviate、Milvus、Pinecone、PgVector

接口层同样全：CLI（semantica 命令自带 22 个命令组）、REST API（python -m semantica.server）、MCP server（semantica-mcp，暴露 12 个工具，包括 record_decision、find_precedents、get_causal_chain）。MCP 接入 30 秒：

{
  "mcpServers": {
    "semantica": { "command": "python", "args": ["-m", "semantica.mcp_server"] }
  }
}

Agent 框架方面，Agno 和 CrewAI 是一等公民（pip install semantica[agno] / semantica[crewai]），Agno 那个多 Agent 共享 Context 的模式设计得不错——团队里 Researcher 和 Analyst 读写同一个 context graph，发现即时共享，没有拷贝和同步。LangChain、LlamaIndex、AutoGen、OpenAI Agents SDK 走 REST/MCP 支持。

还有一个浏览器端的 Knowledge Explorer（React 19 + Sigma.js），可以拖拽探索活图、拖时间轴看图演化、审查每个决策的因果链、可视化合并重复实体。pip install "semantica[explorer]" 装完直接 semantica-explorer 起服务，不需要 Node.js。

LLM 提供商通过 LiteLLM 全覆盖：OpenAI、Anthropic、Gemini、Mistral、Llama、Groq、Cohere、Azure、Bedrock、Ollama、DeepSeek 等。

实战：给一笔贷款审批做审计链路

把上面的模块串起来，就是 README 里的旗舰模式——记录因果链、给每个实体挂溯源、导出监管就绪的审计档案：

from semantica.context import ContextGraph
from semantica.provenance import ProvenanceManager
from semantica.export import RDFExporter

graph = ContextGraph(advanced_analytics=True)
prov  = ProvenanceManager(storage_path="./audit.db")

# 记录决策链
d1 = graph.record_decision(
    category="drug_interaction_check",
    scenario="Patient P-4821: warfarin + amiodarone co-prescribed",
    reasoning="Amiodarone potentiates warfarin's anticoagulant effect",
    outcome="flag_for_review", confidence=0.91,
)
d2 = graph.record_decision(
    category="dosage_adjustment",
    scenario="INR monitoring plan for P-4821",
    reasoning="Reduce warfarin dose per interaction severity; recheck INR in 5 days",
    outcome="dose_reduced_30pct", confidence=0.87,
)
graph.add_causal_relationship(d1, d2, relationship_type="CAUSED")

# 给每个实体挂溯源
prov.track_entity("patient_P4821", source="ehr/medication_orders_2024.json",
                  metadata={"extractor": "NamedEntityRecognizer"})

# 导出 W3C PROV-O 用于监管提交
kg = graph.to_kg_dict()   # 官方适配器，免手工字段映射
RDFExporter().export(kg, "audit_trail.ttl", format="turtle")

这是医疗场景（药物相互作用检查 → 剂量调整），同样的模式套到金融审批、法律取证、威胁归因都成立。核心动作就三步：记录决策、挂溯源、导出 PROV-O。输出格式是多数合规框架接受的提交格式。

性能数字与该知道的坑

v0.5.0 在一个 118,000 节点生产图上（AMD EPYC、64GB 内存）的基准：

操作	之前	之后	提升
节点搜索（118k 节点）	24 ms	0.004 ms	6,000 倍
embedding 缓存命中	冷加载	基于版本的缓存	10 倍吞吐
语义去重	基线	优化候选生成	6.98 倍
候选生成	基线	blocking 策略	63.6% 提速

README 标注了这些数字里去重和候选生成是 CHANGELOG 里的历史测量值而非自动化断言，并给了自测命令 pytest tests/vector_store/test_performance_benchmarks.py -s。硬件和数据集拓扑不同结果会差很多，别直接拿这些数字做选型承诺。

安装按需装 extras，别一上来 semantica[all]：

pip install semantica                    # 核心
pip install semantica[graph-neo4j]       # Neo4j 后端
pip install semantica[llm-litellm]       # 多 LLM 提供商
pip install "semantica[explorer]"        # Knowledge Explorer 仪表盘

装完先跑 semantica doctor 做健康检查，5 秒确认 Python 版本、faiss、配置文件都正常。

v0.6.6 是个安全版本，修了一批私下披露的漏洞：备份恢复的路径穿越、DataExporter 的潜在 SQL 注入、SSRF 防护的 DNS-rebinding TOCTOU 竞态、HTML 报告的存储型 XSS、重定向时的凭据泄漏。如果你在跑旧版本，升级优先级应该很高——这批漏洞集中在外发请求和数据处理路径上，对一个自称面向受监管行业的工具来说修得及时是加分项。

最后给一个适用性判断。适合你，如果：你在做高风险领域的 Agent（金融、医疗、法律、政府），决策需要可追溯；你的多源数据有冲突需要治理；你要把 Databricks/Snowflake 里的表变成知识图而不想先导出。不适合你，如果：你只想给聊天机器人加个向量记忆——ContextGraph 那套决策记录和因果链对你是杀鸡用牛刀，纯 RAG 方案更轻。另外它不解决 LLM 内部可解释性，别指望它告诉你模型为什么输出这句话。

参考文档与链接

GitHub: semantica-agi/semantica - 10,124 星，MIT 协议，Python，Graph-Native 基础设施
Semantica 官网 - 产品定位与企业版信息
官方文档 - 完整 API 与 CLI 参考（22 个命令组）
ARCHITECTURE.md - 完整管线与决策智能生命周期的 Mermaid 架构图
Cookbook - 可运行 Jupyter 笔记本，每个 5 分钟内跑完
PyPI: semantica - 安装与 extras 列表
W3C PROV-O 规范 - 溯源导出所遵循的 W3C 标准
SHACL 规范 - 图数据约束语言，Ontology Hub 验证的基础
DeepWiki: semantica-agi/semantica - 自动生成的架构 wiki，模块关系与数据流
Discord 社区 - 实时讨论与 showcase

你的 Agent 决策现在用什么存？日志、数据库，还是压根没存？评论区聊聊你的做法。觉得这个项目方向对的，点个赞让更多人看到。

作者: itech001
来源: 公众号：AI人工智能时代(the-ai-era)
网站: https://www.theaiera.top/
关注每日最新AI新闻和技术博客，主页有更多的文章的AI 技术参考：https://www.theaiera.top

本文首发于 AI人工智能时代，转载请注明出处。

posted @ 2026-08-22 15:26 iTech 阅读(142) 评论(0) 收藏举报

刷新页面返回顶部

iTech's Blog

公众号：AI人工智能时代（the-ai-era）更多精彩 AI 内容关注主页：www.theaiera.top

Semantica：开源版 Palantir，给 AI Agent 装上可审计的 Context Graph

Semantica：开源版 Palantir，给 AI Agent 装上可审计的 Context Graph

本文提纲

RAG 缺的那本账

端到端管线：从原始数据到可审计的图

Decision Intelligence：决策是一等公民

Context Graph：图遍历能找到 embedding 找不到的连接

确定性推理：Rete、Datalog、SPARQL

多语言存储与生态位

实战：给一笔贷款审批做审计链路

性能数字与该知道的坑

参考文档与链接

公告

iTech's Blog

公众号：AI人工智能时代（the-ai-era） 更多精彩 AI 内容关注主页：www.theaiera.top

Semantica：开源版 Palantir，给 AI Agent 装上可审计的 Context Graph

Semantica：开源版 Palantir，给 AI Agent 装上可审计的 Context Graph

本文提纲

RAG 缺的那本账

端到端管线：从原始数据到可审计的图

Decision Intelligence：决策是一等公民

Context Graph：图遍历能找到 embedding 找不到的连接

确定性推理：Rete、Datalog、SPARQL

多语言存储与生态位

实战：给一笔贷款审批做审计链路

性能数字与该知道的坑

参考文档与链接

公告

公众号：AI人工智能时代（the-ai-era）更多精彩 AI 内容关注主页：www.theaiera.top