Python-инфраструктура, которая превращает корпоративные данные в контекстный слой на основе графов с онтологиями, логическим выводом, отслеживанием происхождения данных и аудитом решений для AI-систем.
Semantica — библиотека Python для построения графов знаний и Context Graph, которые располагаются под LLM, векторным хранилищем или агентским фреймворком. Она загружает данные из файлов, баз данных и корпоративных платформ, таких как Databricks, Snowflake и SAP, извлекает сущности, связи и события, разрешает конфликты и устраняет дубликаты, а затем сохраняет результат в виде графа, по которому можно выполнять запросы. Онтологии (OWL, SHACL, SKOS) задают смысл сущностей, а не только способ их векторного представления.
Проект уделяет особое внимание объяснимости на уровне системы. Решения сохраняются как полноценные узлы графа со связями причин и следствий, поиском прецедентов и анализом влияния. Происхождение данных отслеживается с помощью W3C PROV-O, а результаты можно экспортировать в RDF, OWL, JSON, CSV, Parquet или Cypher. Логический вывод выполняется с помощью прямого вывода, сети Rete, Datalog и SPARQL. Основной конвейер детерминированный, поэтому LLM можно использовать по желанию, но это не обязательно.
Хранилище можно подключать через разные backend-системы RDF (Oxigraph, Jena, RDF4J) и графовые базы данных со свойствами (Neo4j, FalkorDB, Neptune); также поддерживается несколько векторных хранилищ. Кроме того, доступны CLI, REST API, MCP-сервер и интеграции с Agno, CrewAI и LangChain.
Установите пакет из PyPI
pip install semanticaПроверьте установку
semantica doctorОписание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Многоагентная система симуляции, которая создает цифровой мир на основе исходных данных и прогнозирует последствия новостей, решений или финансовых событий.
Open-source платформа памяти для AI, которая превращает документы, код и диалоги в локально размещённый граф знаний для AI-агентов.
Инфраструктура памяти для LLM-агентов: сохраняет диалоги и выполнение задач в структурированном виде для приложений на Python и TypeScript.
Локальный инструмент для построения графа знаний: модель, запущенная через Ollama, рассуждает по шагам, а результат сохраняется в виде RDF-графа на вашем компьютере.
Система памяти для агентов: сохраняет, извлекает и анализирует воспоминания, помогая ИИ-агентам учиться со временем, а не просто воспроизводить историю чата.
Минималистичная библиотека Python для создания AI-агентов, которые записывают свои действия на Python и выполняют их.