semantica

# Semantica — Graph-Native Infrastructure for Context & Accountable AI (semantica-agi/semantica, 11.5k⭐, MIT, Python) ## Qué es Framework "el Palantir open-source para agentes IA": ingiere datos, extrae entidades, construye un **Context Graph + knowledge graph (RDF y LPG)** y ejecuta analítica de grafo y razonamiento causal, con **provenance de decisiones W3C PROV** integrada. Diseñado para dominios regulados: explicable, auditable, trazable. Puntos fuertes: entity resolution, extracción de tripletas, gestión de ontología, búsqueda semántica, graph RAG, audit trail. Python 3.8-3.12, deps: networkx, lxml, grpcio, librosa (multimodal), GitPython. Docker-compose para self-host. ```bash pip install semantica # verificar nombre exacto en pyproject del repo docker compose up # self-host completo ``` ## Patrones reutilizables para Mastermind 1. **Memoria de agente como grafo de contexto** — entidades + relaciones + provenance, no solo texto/vector. Aplicable a memorias de skills/estados. 2. **Tripletas → grafo consultable** — pipeline documento → entidades → tripletas → networkx. 3. **Decision provenance (W3C PROV)** — registrar el origen de cada dato/decisión; útil para el auditor en gobierno-ia y para trazabilidad de skills. 4. **Graph RAG sobre repos propios** — combinar ChromaDB (vectorial) con contexto relacional. ## Cuándo usar (y cuándo no) - USAR como referencia de patrones: memoria como grafo, provenance, graph RAG - NO instalar por defecto: infraestructura pesada (self-host, gRPC); copiar patrones, ChromaDB ya cubre lo vectorial - Alternativas ya en catálogo: memory-context-engine, agent-memory, rag-knowledge-base — semantica se diferencia por grafo + provenance + governance ## Pitfalls - Repo muy reciente y en evolución diaria - El nombre del paquete pip puede diferir; verificar en pyproject - Multimodal vía librosa añade deps pesadas; instalar solo el core