Semantica：开源版 Palantir 的真话与水分（11.3k star / 决策图谱 × PROV-O 溯源 × 因果三动词=断言强度阶梯的 schema 化）

背景：创始人 Mohd Kaif（印度，独立开发者），10 个贡献者里他一人 1,920 commits 占绝对主导。这是一个一人项目长出来的基础设施，不是大厂开源。

一、它实际是什么：四层栈

摄取层：PDF/Web/Parquet/SQL/Databricks/Snowflake 多源进料
知识层：实体抽取→KG 构建（去重+时间边）+ 双时间轴事实（valid time vs recorded time）
上下文层：Context Graph（类型化节点+加权边+BFS+时间点快照）
决策层：Decision Intelligence（决策节点+因果边）+ PROV-O 溯源导出 + Datalog 递归查询

有两个细节暴露了这个项目的企业级数据工程基因，值得单独说：

双时间轴（bi-temporal）。「事实有效的时间」和「系统记录该事实的时间」分开建模——这是银行/保险业处理「客户地址在 3 月变了但我们 5 月才知道」的标准姿势。AI 记忆系统里几乎没人做这个：agent 在周二 recalled 一条周一已失效的事实，谁负责？双时间轴是这个问题在数据模型层的答案。

因果三动词。边的 relationship_type 只允许 CAUSED / INFLUENCED / PRECEDENT_FOR——没有模糊地带。这是把 ARS 那套断言强度阶梯（is-associated-with < predicts < causes，禁止静默升级）搬进了图 schema：agent 想声称因果，最强只能显式写 CAUSED；证据不足就老老实实写 PRECEDENT_FOR。同一个纪律，ARS 用评审时刻的检查单实现，Semantica 用 schema 约束实现——后者更强，因为 schema 是机器强制，检查单是流程约定。

还有一句 README 里的金句值得抄录：「Every agent decision becomes a queryable, auditable knowledge node」——决策不再是日志文件里的一行文本，而是图上可查询、可遍历、可解释的节点。问「为什么会发生这件事」，得到的是结构化答案（路径+依据），不是一段重新生成的散文。

二、主线回接：它站在哪

其一，策划型外存的第四个节点，也是工业化野心最大的一个。 CoE 经验 trail、Synapse 联想图、Wayfinder 决策票据、Semantica 上下文图——四个项目都在做同一件事：把 agent 的状态/决策外置成结构化对象。区别只在结构选择：trail 是序列，联想图保共现，票据是 DAG，Semantica 是带类型约束+双时间轴的属性图。记忆光谱上它是「保结构端」的最新工业化样本——且是唯一把「监管合规」当第一需求写的。

其二，断言与执行分离验收的基础设施化。 WRC 成绩取消通报（复现验钞）、PolicyGuide（tool-derived evidence）、ARS（rigour as code）——这三篇的共同底座都是「断言要有结构化证据链，事后可审计」。Semantica 干的事就是把这个证据链做成通用基建：任何 agent 框架接进来，决策自动落图、溯源自动生成、PROV-O 自动导出。前三个是方法论，这个是卖铲子的。

其三，接口丢结构第十三个样本，产业正面版。 向量 RAG 把上下文压进 embedding，关系/时序/因果结构全灭——Synapse 篇的论断（向量检索在低相似度子集崩溃）现在有了产品级的答案：图原生接口。Semantica 的 README 定位就是冲着这个来的。

其四，Palantir 类比的实质与失效处。 技术上，Palantir Foundry 的核心三件套——本体论（Ontology）、图谱、数据血缘（lineage）——Semantica 全部开源复刻了，还有 PROV-O 这种 Palantir 都未必对外的标准接口。但 Palantir 的真护城河从来不是技术栈：是十几个国家的政府合同、FedRAMP 级合规认证、和「出了事有人担责」的采购安全垫。开源版复制得了 Foundry 的形，复制不了 Gotham 的客户。所以它的真实市场不是 CIA，是「想要 Palantir 式能力但买不起/不能用的中型合规企业」——这个市场存在，但买它需要的是集成服务和审计背书，恰好是开源最弱的两环。

三、独立思考：三块水分与一块真金

水分一：provenance 保「谁说的」，不保「说的是真的」。 这是全项目最重要的诚实边界：图忠实记录证据链，但抽取阶段的 LLM 幻觉（实体识别错、关系编造）会让整张图变成带完整溯源的可追溯垃圾——每一步都能查到「这是模型在 3 月 2 日从这份 PDF 抽取的」，但 PDF 里根本没有这条。溯源结构是必要条件不是充分条件，见证义务依然在人和抽取层。PROV-O 导出给监管者的是「过程合规」，不是「内容为真」。

水分二：记录依赖 agent 配合。 「每个决策成为可审计节点」的前提是 agent 调用 record_decision——这又回到治理等级排序：Semantica 的约束住在外部基础设施（比 agent 自有文件强），但比不上 Cordis 那种 runtime 机制层强制（不调用就没有功能 vs 不调用只是没记录）。agent 漏记一次决策，图上就是静默缺口。诚实架构应该像 WRC 那样有「数据审计」侧通道。

水分三：热度画像的信号。 LinkedIn 病毒式传播 >> HN/PyPI 实用度，说明当前受众画像是「被 accountable AI 叙事吸引的企业决策者」而非「今天就要用的工程师」。11.3k star 里有多少会转化成生产部署，要看六个月后贡献者数量（现在 10 人）和企业 case study 的出现。

真金：因果三动词的 schema 化。 这是我认为全项目最值得抄的设计——把断言强度纪律从评审流程（ARS）升级为数据 schema（机器强制），是「rigour as code」谱系里目前走得最远的一步。如果这个设计被更多 agent 基建采纳（甚至标准化），它的历史贡献就值 11.3k star，不管 Palantir 类比最终成不成立。

观察点：① MCP/agent 框架的官方集成深度（决定它是基建还是孤岛）；② 首个公开的企业生产案例（尤其合规行业）；③ 双时间轴在 agent 记忆系统里会不会成为标配——这是个被所有人低估的设计。

信源：GitHub semantica-agi/semantica（11,360 star，GitHub API + 78KB README 全读）；PyPI stats（月下载 19,275）；HN #49367995（12 分零评论）；创始人 Mohd Kaif LinkedIn；Trendshift 徽章记录。视频文案（DevsKingdom 2026-08-17）信息骨架忠实，一处措辞校准（因果推理→因果链记录）。转载请注明出处。