semantica-agi/semantica

Graph-Native Infrastructure for Context and Accountable AI Systems

這是什麼

Semantica 是一套以 Context Graph／Knowledge Graph 為核心的 AI 基礎設施，定位在 LLM、向量資料庫與 agent framework 的下方：它不取代模型或既有框架，而是把企業資料、文件、決策、事實與關係整理成可查詢的圖。README 強調它的目標不是再做一個黑盒記憶層，而是建立 可追溯、可稽核、可治理 的上下文系統；圖的建構、推理與 provenance 層不需要 LLM 才能運作，走的是較確定性的工程路線。它支援 RDF 與 labeled property graph 兩種圖儲存取向，也把 W3C PROV-O、SHACL、OWL、SKOS、Datalog、SPARQL、Rete 等治理與推理概念放進同一套 pipeline，主打高風險、受監管場景中的 AI 決策可解釋性。

為什麼上榜

今天它以 4,068 stars、日增 970 stars 衝上日榜，熱度很明顯來自「AI agent 需要的不只是長上下文或向量檢索」這個痛點。README 把 Semantica 說成「Open Source Palantir for AI Agents」，這個比喻雖然很有行銷感，但抓到市場焦慮：企業要讓 agent 參與授信、醫療、法務、政府或防務等流程時，光有相似度搜尋很難回答「為什麼做出這個決策、依據來自哪裡、後續影響是什麼」。它與一般 RAG 的差異，在於把 decision history 當成一等公民，並把來源、因果鏈、規則檢查與匯出格式綁在一起；這使它更像治理與資料工程層，而不是單純的 agent memory 套件。

適合誰，可以拿來做什麼

Semantica 最適合正在把 AI agent 放進正式業務流程的 AI/ML platform team、資料平台團隊、知識工程師與合規稽核團隊。README 特別點名 Databricks、Snowflake、Unity Catalog、Delta Lake 等企業資料平台，表示它希望把既有 lakehouse／warehouse 裡的表與 lineage 轉成帶 provenance 的 graph node，而不是再把資料搬到第三方 SaaS。典型用途包括：為 agent 建立可共享的結構化記憶、把多來源資料做 entity-aware chunking 與關係抽取、偵測衝突事實與重複實體、記錄每次 AI 決策的因果鏈、輸出稽核軌跡給監管或內控流程。上手門檻不算只是裝個 SDK，因為 README 涉及 ontology、graph storage、治理規則與企業資料接頭；但若團隊已經在碰 GraphRAG、知識圖譜或 AI governance，這會是值得評估的開源選項。

上手

README 提供的 quick start 很直接，先安裝 Python 套件，再用 ContextGraph 記錄一個可查詢的決策節點。它也提供 semantica doctor 來檢查安裝狀態；README 範例顯示驗證項包含 Python、semantica 版本、faiss vector store 與設定檔。

pip install semantica
semantica doctor

from semantica.context import ContextGraph

graph = ContextGraph(advanced_analytics=True)
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,
)
chain = graph.trace_decision_chain(decision_id)

README 重點摘要

• Context Graphs 是它的核心記憶層：不是只問「什麼相似」，而是問「什麼彼此相連、為什麼、怎麼來的」。
• Decision Intelligence 會把 AI 決策記成永久、結構化、可查詢的 graph node，並可追蹤 causal ancestry、precedents 與 downstream impact。
• 治理與稽核 是主軸：README 提到 W3C PROV-O provenance、SHACL constraints、OWL generation、SKOS vocabulary management，以及 JSON／CSV／RDF 匯出。
• 資料與儲存層支援很廣：涵蓋 Databricks、Snowflake、Kafka、Kinesis、Google Drive、Elasticsearch、Git、email、MCP，以及 Oxigraph、Blazegraph、Jena、RDF4J、Neo4j、FalkorDB、Apache AGE、AWS Neptune 等後端。
• MIT 授權、自架、避免 vendor lock-in 是它的明確賣點；但 README 的廣度也意味著實際評估時應先挑一個小型治理或稽核案例驗證。