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.
pip install semantica # verificar nombre exacto en pyproject del repo
docker compose up # self-host completo
Patrones reutilizables para Mastermind
- Memoria de agente como grafo de contexto — entidades + relaciones + provenance, no solo texto/vector. Aplicable a memorias de skills/estados.
- Tripletas → grafo consultable — pipeline documento → entidades → tripletas → networkx.
- Decision provenance (W3C PROV) — registrar el origen de cada dato/decisión; útil para el auditor en gobierno-ia y para trazabilidad de skills.
- 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
1---2name: semantica3description: Semantica: grafo contexto+provenance para agentes IA.4---56# Semantica — Graph-Native Infrastructure for Context & Accountable AI (semantica-agi/semantica, 11.5k⭐, MIT, Python)78## Qué es910Framework "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.1112Puntos 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.1314```bash15pip install semantica # verificar nombre exacto en pyproject del repo16docker compose up # self-host completo17```1819## Patrones reutilizables para Mastermind20211. **Memoria de agente como grafo de contexto** — entidades + relaciones + provenance, no solo texto/vector. Aplicable a memorias de skills/estados.222. **Tripletas → grafo consultable** — pipeline documento → entidades → tripletas → networkx.233. **Decision provenance (W3C PROV)** — registrar el origen de cada dato/decisión; útil para el auditor en gobierno-ia y para trazabilidad de skills.244. **Graph RAG sobre repos propios** — combinar ChromaDB (vectorial) con contexto relacional.2526## Cuándo usar (y cuándo no)2728- USAR como referencia de patrones: memoria como grafo, provenance, graph RAG29- NO instalar por defecto: infraestructura pesada (self-host, gRPC); copiar patrones, ChromaDB ya cubre lo vectorial30- Alternativas ya en catálogo: memory-context-engine, agent-memory, rag-knowledge-base — semantica se diferencia por grafo + provenance + governance3132## Pitfalls3334- Repo muy reciente y en evolución diaria35- El nombre del paquete pip puede diferir; verificar en pyproject36- Multimodal vía librosa añade deps pesadas; instalar solo el core
ntizar