Semantica 是一个开源、可自托管的图原生基础设施，定位为 AI Agent 的上下文与决策层。它位于 LLM、向量数据库和 Agent 框架之下，提供确定性的图构建、推理与溯源能力，不依赖 LLM 也能运行。
传统 RAG 只回答“什么相似”，Semantica 的 Context Graph 则回答“什么相关、为什么、如何相关”。每个实体、关系、决策和事实都是图中一等公民，支持图遍历查询、点对点历史快照（time travel）、冲突检测与语义去重。
核心能力包括：
- 决策智能：每次 AI 决策都成为可查询、可审计的一等对象，支持因果链追踪、相似决策检索、影响分析和策略合规检查。
- 确定性推理：内置前向链接、Rete、Datalog、SPARQL 推理引擎，推理路径完全可解释。
- 治理与合规：支持 SHACL 约束、OWL 生成、SKOS 词汇管理，所有事实均附带 W3C PROV-O 溯源，可导出审计日志。
- 多源知识管线：从文件、网页、数据库、Databricks、Snowflake、Kafka 等来源摄取数据，经过实体识别、关系抽取、冲突检测、去重后构建知识图谱。
- 异构图存储：支持 RDF（Oxigraph、Blazegraph、Jena 等）和属性图（Neo4j、FalkorDB 等），可无缝切换。
安装与快速开始：
pip install semantica
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)
使用 semantica doctor 可快速校验安装。
注意：当前 ReteEngine 的条件匹配器较为简单，接入生产合规门禁前需充分验证输出。所有推理与图谱构建均确定性执行，可完全脱离 LLM 工作。
项目适合金融机构、医疗、法律、政府等对可解释性和可审计性有严格要求的场景，也可作为现有 AI 栈的补充层，不替换现有组件。