semantica-agi/semantica
一个让AI智能体的决策可追溯、可审计的开源图谱基础设施
Semantica是一个开源Python框架,能把企业数据整理成知识图谱,并把AI智能体做出的每一个决策都记录成可追溯、可审计的对象。相比只能找到相似内容的向量数据库检索,它通过图谱遍历来展示事物之间实际的连接关系和原因。该项目面向金融、医疗、法律等需要向监管机构解释决策依据的高监管行业。
它做什么
- 从文件、网页、数据库、Databricks、Snowflake等多种来源摄取数据,构建知识图谱,自动完成实体抽取、去重,并标记相互矛盾的事实而不是直接覆盖
- 用record_decision()函数把AI智能体的每个决策都记录为图谱节点,并通过因果关系相连,配合trace_decision_chain()等函数还原决策的完整历史链条
- 内置无需依赖LLM即可运行的确定性推理引擎(Rete、Datalog、SPARQL),推理过程基于规则、可解释,而非黑箱
- 为每条事实附加W3C PROV-O标准的来源记录,并可导出JSON、CSV、RDF格式的审计轨迹,供监管提交使用
- 官方基准测试显示,在一个11.8万节点的生产级图谱上,节点搜索速度比此前版本提升了6000倍
为什么重要
当AI智能体开始做出放贷审批、用药检查这类有实际后果的决策时,说不清决策依据就会变成合规风险,而不只是麻烦。这个项目不会揭示LLM内部的推理过程,但能让LLM外部的输入数据、决策结果及其来源变得可追溯。
本仓库术语
- 知识图谱(Knowledge Graph) · 用节点和边表示实体及其相互关系的数据结构
- W3C PROV-O · 用于记录数据来源和生成过程的万维网标准规范
- SHACL · 用于校验图谱数据是否符合既定规则的W3C标准
- RDF/SPARQL · 以主语-谓语-宾语三元组形式存储并查询数据的标准方式
- Rete网络 · 一种用于高效匹配大量规则的基于规则的推理算法
仓库简介（英文）
Graph-Native Infrastructure for Context and Accountable AI Systems
在 GitHub 打开热门仓库
- cathrynlavery/diagram-design让AI编程工具画出杂志排版质感图表,而不是千篇一律的圆角方框
- public-apis/public-apis一份由社区维护的免费API大全仓库
- cactus-compute/needle一个14MB的AI模型,让手机和可穿戴设备无需联网就能调用工具
- unslothai/unsloth一款让你在自己电脑上运行和训练AI模型的桌面应用，无需写代码
- macro-inc/macro把邮件、聊天、文档、任务和CRM互相链接、共享同一份AI团队记忆的一体化办公平台
- harry0703/MoneyPrinterTurbo只需一个主题或关键词，就能自动生成配好文案、素材、字幕和音乐的完整短视频的开源工具
- basecamp/omarchyDHH打造的、开箱即用且风格统一的Linux发行版
- mattpocock/skills一套可复用的提示词剧本,防止Claude Code等AI编程代理跑偏