AI Infrastructure
Semantica：把企業資料做成可稽核的 Context Graph，讓 Agent 答案能回推來源
semantica-agi/semantica 自稱 Graph-Native Infrastructure for Context and Accountable AI Systems，MIT 授權、自架、支援 RDF/LPG 與 W3C 標準；價值在把企業資料與 agent 決策做成可追溯 provenance。
2026年8月14日1 分鐘閱讀👁 6
Enterprise AI / Knowledge Graph
Semantica：企業 Agent 需要能解釋「為什麼」的資料層
Threads 貼文把 Semantica 稱為「Open Source Palantir for AI」。官方 README 的定位是 graph-native infrastructure for context and accountable AI systems：把企業資料 ingestion 後建成 Context Graph / Knowledge Graph，並把 graph analytics、causal reasoning、decision provenance 放進架構。
Context Graph
不是只把文件丟進向量庫，而是保留資料、實體、關係、上下文與 provenance，讓 agent 的中間判斷可追溯。
Accountable AI
高風險/受監管場景的問題不是 AI 會不會答，而是能不能交代來源、流程、資料版本與決策責任。
Interoperability
README 強調 RDF & LPG、W3C standards、zero vendor lock-in、自架與可稽核。
| 實查項目 | 內容 | caveat |
|---|---|---|
| Repo | semantica-agi/semantica | 查詢時約 7.2K stars、754 forks、70 open issues。 |
| License | MIT | 可商用，但企業導入仍需安全審查。 |
| Homepage | getsemantica.ai | 需核對 docs、部署、資料庫與權限模型。 |
| 定位 | Graph-native context + accountable AI | 不是單純 RAG 替代；更像 enterprise semantic layer / provenance layer。 |
BigIntTech 判斷：Semantica 類工具對客戶的銷售語言應該是「可稽核 AI 基建」，不是「更聰明的 chatbot」。當客戶問 AI 報告能否被主管、法遵或稽核追問來源時，Context Graph / provenance layer 就是關鍵差異。
導入前檢查：
- 資料來源如何 ingestion、版本化、刪除與權限隔離？
- Graph schema / ontology 誰維護？錯誤關係如何更正？
- Agent 每次回答是否保留 evidence trail、query trail 與輸出版本？
- 是否能匯出 W3C PROV-O / RDF 或其他稽核格式？
- 是否真的比既有資料倉儲 + RAG + metadata lineage 更適合該客戶？