semantica-agi/semantica

Graph-Native Infrastructure for Context and Accountable AI Systems

它解决了什么问题

大多数AI代理依赖向量嵌入的相似性评分，这缺乏结构、关系和可解释性。Semantica增加了一个基于图的层，捕获数据的含义和上下文，将每个决策记录为一等对象，并直接回答“为什么AI会那样做？”——而不依赖LLM进行推理或溯源。

相关

  • 项目
    open-metadata/OpenMetadata

    一个开源的上下文层和元数据管理平台，为 AI 代理和用户提供理解并信任企业数据所需的受控业务语义、血缘关系和组织记忆。

  • 项目
    aws/context-ontology-accelerator

    Context Ontology Accelerator 是一个 AWS 原生开源平台，可从组织的数据源构建语义知识图谱，根据业务规则验证上下文，并通过 SPARQL 或自定义 MCP 接口将其提供给 AI 代理。它结合了本体推理（HermiT/ELK）、虚拟 KG 联邦（Ontop）和 AWS CDK 预置的基础设施，面向需要为 LLM 驱动的代理提供可靠、规则检查上下文的企業。

  • 项目
    bibinprathap/VeritasGraph

    VeritasGraph 是一个开源 Python 框架，用图+树检索引擎取代基于向量的 RAG。它从文档中构建一个出处丰富的知识图谱，让 LLM 驱动的代理在该图谱上进行推理，并提供 Studio UI 用于受管控的代理编排（护栏、内存、工具目录）。它可以通过 Ollama 在本地运行，或在生产环境中使用 Docker + Neo4j，并提供 MCP 服务器用于零信任 IDE 集成。主要优势是确定性的多跳检索、可验证的引用、明确的弃权以及完全的本地隐私。

  • 项目
    echopath-labs/openDomain

    一个 Git 原生的语义层，将业务规则和概念以 Markdown 形式存储，确保 AI 代理基于人类验证的领域知识运行。

  • 项目
    Canner/WrenAI

    一个开源的生成式 BI 引擎，为 AI agent 提供受控的语义层，将业务问题转化为正确的 SQL 并部署可用的仪表板。