Semantica

Semantica 是一个开源的、可自托管的图原生基础设施，为 AI 代理系统提供上下文管理、确定性推理和完全可审计性。它被形象地称为“开源版的 Palantir”，专为金融、医疗、法律、政府等不能容忍“黑盒”决策的受监管领域设计。

Semantica 并不试图解释 LLM 内部的思维链（那是不可见的），而是记录并结构化 LLM 外部的一切：输入了什么上下文、依据了哪些证据、应用了什么策略、做出了什么决策、以及该决策如何影响了后续流程。它将每一次 AI 交互转化为一个可查询、可追溯、带有因果链的永久图节点。

核心哲学：从“嵌入”到“意义”

大多数 AI 系统依赖向量数据库存储嵌入，这导致了上下文的碎片化和决策的不可解释性。Semantica 通过构建**上下文图（Context Graph）**来解决这一问题：

• 决策即一等公民：每个 AI 决策都被记录为图中的独立节点，包含理由、置信度、来源文件和合规状态。
• 因果链追溯：支持向前追溯决策的依据（谁、什么时间、什么文件），向后分析决策的影响（导致了什么利率、触发了什么后续操作）。
• W3C PROV-O 标准溯源：每个事实都附带标准化的来源元数据，可直接导出为 JSON/CSV/RDF 用于监管审计。
• 冲突检测而非静默覆盖：当多源数据出现矛盾时，系统会标记冲突并提供解决策略，确保知识库的纯净与可信。

关键能力对比

技术架构与集成

Semantica 是一个端到端的流水线，位于你的 LLM、向量存储和代理框架之下，作为确定性的基础设施层：

1. 接入与解析：支持文件、网页、Databricks (Unity Catalog)、Snowflake、Git、Email 等多源数据接入。
2. 知识图谱构建：通过 NER、关系提取和实体感知分块构建图，并进行语义去重。
3. 智能层：在本体之上运行 SHACL 约束检查、OWL 生成及多种确定性推理引擎（Rete/Datalog/SPARQL）。
4. 多语言存储：后端支持 RDF (Oxigraph, Blazegraph, Jena) 和属性图 (Neo4j, FalkorDB, AGE, Neptune)，全部可替换且无需修改代码。
5. 即插即用集成：原生支持 LangChain, CrewAI, Agno，并提供全功能 MCP Server、REST API 和 CLI。

快速开始

pip install semantica

from semantica.context import ContextGraph

# 初始化上下文图
graph = ContextGraph(advanced_analytics=True)

# 记录一个 AI 决策（例如：供应商选择）
decision_id = graph.record_decision(
    category="vendor_selection",
    scenario="Choose cloud provider for HIPAA workload",
    reasoning="AWS offers BAA, mature HIPAA tooling, and existing team expertise",
    outcome="selected_aws",
    confidence=0.93,
)

# 追溯因果链：为什么会做出这个决定？
chain = graph.trace_decision_chain(decision_id)

# 查找先例：过去有类似的决策吗？
similar = graph.find_similar_decisions("cloud vendor", max_results=5)

# 合规检查：这个决策符合内部规则吗？
compliant = graph.check_decision_rules({"category": "vendor_selection"})

适用人群

• 合规与审计团队：需要以监管机构接受的格式回答“AI 为什么那样做？”。
• AI 平台团队：正在发布涉及重要决策的代理，需要从碎片化数据中构建结构化上下文。
• 受监管企业：金融、医疗、法律、国防等领域，要求数据自托管且决策过程透明。
• 数据工程师：希望将湖仓（Databricks/Snowflake）中的数据转化为带有血缘追踪的知识图谱，而无需导出到第三方 SaaS。