--- title: "Semantica 评测 2026：AI 智能体决策审计" canonical: https://wavect.io/zh/blog/semantica-ai-agent-decision-provenance/ language: zh description: "Semantica 受监管 AI 智能体评测：决策溯源、PROV-O、策略门控、自托管、安全边界与试点评分卡。" image: "https://wavect.io/img/blog/headers/header_semantica-ai-agent-decision-provenance.png" --- [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 分钟 阅读 · 2026年8月14日 最近审核 2026年8月14日 [**下一篇**](/zh/blog/cloudflare-kitesurf-browser-ai-agents/) # Semantica 评测 2026：它能解释每一次 AI 智能体决策吗？ 要点速览 Semantica 是一套采用 MIT 许可证、可自托管的 Python 平台。它为现有智能体技术栈增加上下文图、作为一等对象的决策记录、因果关系、策略检查和溯源导出。确定性的图遍历和规则可以根据相同的已存输入复现解释，但无法证明抽取事实或智能体写入的理由本身正确。2026 年 8 月 11 日发布的 0.6.5 版修复了严重的身份验证和注入漏洞，因此采购者应固定该版本或更高版本，并独立完成安全审查。对于需要证据和先例的重复、高影响决策，Semantica 值得试点。对于低风险聊天、简单流程，或尚未定义决策模式、保留政策和责任审核人的团队，它过于复杂。 **如果 AI 智能体反复作出影响重大的决策，而且审核人需要在数月后重建证据、策略和完整因果链，Semantica 值得进行受控试点。**它把决策记录为图中的对象，而不是只留下日志行或短暂的模型上下文。这与普通向量记忆解决的是不同问题。 我们的商业结论是有条件的。软件采用 MIT 许可证，但可供审计的运营体系仍需要访问控制、保留规则、防篡改证据、经过测试的策略和承担责任的人类审核人。我们在 2026 年 8 月 14 日审阅了公开的 [Semantica 代码仓库与文档](https://github.com/semantica-agi/semantica) 。本文是基于证据的采购评测，不是赞助内容、法律意见或实操渗透测试。 本文只负责一个产品评估意图：你是否应该为 AI 智能体决策溯源试点 Semantica？如果你要比较工作流图、实验 DAG、SQL、向量 RAG 与知识图谱，请阅读我们的 [AI 智能体图工程决策指南](/zh/blog/graph-engineering-ai-agents/) 。分开这两个问题，可以避免把一个工具包装成所有图问题的统一答案。 ## Semantica 是什么？ **Semantica 是一套可自托管的 Python 平台，用于上下文图、知识图谱、确定性规则和决策溯源。**它位于现有 LLM、向量存储和智能体框架旁边。团队无需替换编排层，就能记录决策、连接原因、搜索历史先例或导出溯源信息。 | 截至 2026 年 8 月 14 日的公开事实 | 对采购者的含义 | | --- | --- | | MIT 许可证 | 商业使用不收许可证费用，但不包含担保或实施支持。 | | Python 包与自托管部署 | 只要所有抽取与模型路径也留在内部，图数据就可以保留在你的基础设施中。 | | 决策对象、因果关系和先例搜索 | 决策成为可查询的业务数据，而不是转瞬即逝的轨迹。 | | 前向链、Rete、Datalog 与 SPARQL | 无需让 LLM 临时编造解释，也能重复运行规则和图遍历。 | | W3C PROV-O、RDF、JSON-LD 等导出 | 决策轨迹可以进入基于标准的证据和图工作流。 | | Databricks、Snowflake、MCP、REST、CLI 和编辑器集成 | 试点可以接入现有栈，但每个连接器都会扩大安全审查范围。 | ## 为什么嵌入和日志还不够？ 向量存储回答相似性问题：哪些文本与这个查询相似？调用轨迹回答执行问题：哪个提示、模型或工具在什么时间运行？决策记录必须回答更难的业务问题：哪些证据和策略导致这个结果，排除了哪些备选方案，由谁批准，之后又发生了什么？ 这些层并不互斥。向量检索继续负责模糊召回，类似 OpenTelemetry 的轨迹继续负责延迟、错误和工具调用。只有当证据、策略、决策与后果之间的关系必须在原始运行消失后继续可查询时，才值得增加决策图。 | 层 | 回答的问题 | 无法证明的内容 | | --- | --- | --- | | 向量记忆 | 哪些上下文在语义上相似？ | 哪些具体事实造成最终决策 | | 智能体轨迹 | 执行了什么、顺序如何、耗时多久？ | 为什么策略允许该结果 | | 策略引擎 | 结构化输入是否满足某个版本的规则？ | 输入是否完整并且正确 | | 决策溯源图 | 哪些证据、参与者、规则和先例连接到这个结果？ | 已记录证据是否真实反映现实 | ## Semantica 如何记录智能体决策？ 核心 API 会保存类别、场景、理由文本、结果、置信度和可选元数据。额外关系可以把一个决策标为另一个决策的原因、影响因素或先例。团队随后可以回溯上游原因、检查下游影响、搜索相似决策，并在结果生效前运行策略检查。 以贷款流程为例，图可以连接申请快照、经验证的收入记录、策略版本、风险等级、模型版本、人类复核和最终不利决定通知。六个月后，审核人应当能从结果回溯到准确的版本化输入，而不是让当前模型重新生成一个听起来合理的故事。 1. **划定决策边界。** 明确分析何时变成建议、批准、拒绝或实际动作。 2. **记录版本化证据。** 保存稳定记录 ID、来源版本、有效时间、权限范围和校验和，不要复制失控文本。 3. **附加策略。** 保存规则集版本、命中规则、失败备选、例外和人工覆盖。 4. **连接后果。** 把决策与它产生的通知、交易、案件或后续决策相连。 5. **测试重建。** 独立审核人必须在不依赖原始上下文窗口的情况下复现路径。 ## Semantica 的推理真的具有确定性吗？ **图遍历和符号规则引擎可以具有确定性，但完整 AI 工作流未必如此。**在存储图、规则集和查询都相同的情况下，前向链或因果遍历可以不调用 LLM，并返回相同路径。此时解释来自已持久化的关系，而不是临时生成。 边界很重要。实体抽取可能使用模式、机器学习模型或 LLM，原始 `reasoning` 字段也可能由智能体写入。确定性遍历无法修复错误来源、过时关系、有偏策略或虚构理由。采购者应分别测试遍历可重复性、已记录输入的忠实度和业务规则的有效性。 ## PROV-O 是否能让系统自动合规？ 不能。 [W3C PROV-O 推荐标准](https://www.w3.org/TR/prov-o/) 为实体、活动和参与者提供可互操作概念，可以表达哪个活动使用或生成了实体，以及由谁负责。它是有用的证据模式，但不是合规证书、保留政策、访问控制或监管机构接受某次导出的保证。 法律义务取决于具体用途。 [欧盟《人工智能法案》](https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng) 第 12 条要求高风险系统具备自动记录事件的技术能力，第 86 条则针对部分个体决策提供范围明确的清晰解释权。溯源图可以帮助整理证据，但部署方仍需判断风险分类、角色、保留期限、人类监督和面向个人的解释。 美国信贷要求更加具体。 [CFPB 关于复杂信贷算法的通告](https://www.consumerfinance.gov/compliance/circulars/circular-2022-03-adverse-action-notification-requirements-in-connection-with-credit-decisions-based-on-complex-algorithms/) 要求对不利决定提供具体、准确的主要理由。模型太复杂不能成为不遵守要求的理由。只有当存储的原因确实对应实际考虑的因素时，因果路径才有价值。 [NIST AI RMF 核心框架](https://airc.nist.gov/airmf-resources/airmf/5-sec-core/) 同样把文档视为支持透明度、人类复核和问责的手段。正确的采购定位是：Semantica 可以成为治理系统中的证据底座，但它本身不是完整治理系统。 ## Semantica 能否让受监管数据留在你的基础设施内？ 它支持自托管，并通过原生 Databricks 和 Snowflake 连接器读取团队现有治理环境中的数据。这可以减少额外的 SaaS 导出步骤，但并不自动意味着没有数据离开内部环境。 批准前应绘制完整数据路径：文档解析器、嵌入模型、基于 LLM 的抽取、向量存储、图后端、MCP 客户端、REST 消费者、备份和遥测。如果某个配置的服务商位于外部，相关输入就可能跨越边界。必须在检索阶段测试租户隔离和行级权限，而不只是检查摄取阶段。 ## 安全团队需要了解 0.6.5 版的哪些信息？ 2026 年 8 月 11 日发布的 [Semantica 0.6.5 安全版本](https://github.com/semantica-agi/semantica/releases/tag/v0.6.5) 修复了六个外部报告的漏洞。发行说明列出 Explorer API 路由缺少身份验证、严重的 Cypher 和 SPARQL 注入路径，以及 RCE、XXE、拒绝服务和 ReDoS 修复。快速响应说明项目仍在积极维护，但这些问题也意味着任何高影响试点都必须经过独立安全审查。 1. **固定 0.6.5 或更高版本。** 在部署和软件组成检查中阻止旧版本。 2. **把 Explorer 保持在私网。** 在所有 API 表面前配置身份验证、授权、限流和网络策略，再独立验证。 3. **把图标签视为不可信输入。** 针对选定后端模糊测试从文档得到的实体类型、关系类型、IRI 和属性名。 4. **分离证据与展示。** 在智能体能够修改的界面之外保存仅追加或可检测篡改的记录。 5. **为 0.x 变更做准备。** 固定依赖，审查迁移，并在升级前重新运行决策重建测试套件。 ## Semantica 与 RAG、可观测性和策略即代码有何区别？ | 主要需求 | 优先采用 | 何时增加 Semantica | | --- | --- | --- | | 根据文档回答问题 | 带权限和引用的 RAG | 答案需要持久的多跳事实、冲突和决策历史 | | 调试智能体运行 | 轨迹、日志和评估 | 审核人需要跨运行重建先例和因果关系 | | 阻止不安全动作 | 工具边界上的窄策略引擎 | 策略、证据、覆盖和后果必须一起可查询 | | 管理企业控制项 | 现有 GRC 与记录管理系统 | 智能体决策需要以结构化溯源格式进入这些系统 | | 建模关联的运营事实 | 根据查询形状选择 SQL 或知识图谱 | 决策本身必须成为因果连接的一等对象 | ## 哪些团队应该试点，哪些团队应该跳过？ | 情况 | 建议 | 原因 | | --- | --- | --- | | 重复的信贷、理赔、资格或案件路由决策 | 影子模式试点 | 相同的证据与策略问题会持续产生真实审核成本。 | | 多个智能体需要同一份版本化决策历史 | 试点 | 先例和因果关系可以跨工作流积累价值。 | | 低风险聊天机器人或一次性文档问答 | 跳过 | 轨迹与带引用的检索更便宜，也更容易运营。 | | 没有稳定决策模式或策略负责人 | 先修复治理 | 图会把歧义形式化，却不会消除歧义。 | | 团队期待自动满足监管要求 | 不要以此前提采购 | PROV-O 是证据格式，不是法律批准。 | ## 开源决策轨迹的真实成本是什么？ 许可证免费，运营能力并不免费。预算应覆盖本体和策略设计、来源集成、实体解析、权限执行、存储、保留、脱敏、防篡改证据、评估、安全测试、审核工具和事件响应。Databricks 或 Snowflake 连接器可以节省一步集成，但不会消除数据质量和访问控制工作。 商业指标不是创建了多少节点。应衡量每次决策的审核分钟数、有来源证据的重要因素比例、重建事件的时间、策略门控的误报和漏报、导出可用性，以及保持图更新的成本。 ## 两周 Semantica 试点应该怎样运行？ 1. **选择一类高影响决策。** 在 30 到 50 个历史案例上以影子模式运行，不要从自动批准开始。 2. **先定义所需解释。** 合规、运营和工程共同确定重要因素、证据、策略版本、人工覆盖与保留要求。 3. **建立基线。** 测量当前日志、数据库和员工重建每个案例所需的时间。 4. **固定并隔离技术栈。** 使用 0.6.5 或更高版本、私网访问、测试数据和最少连接器。 5. **运行对抗案例。** 包括缺失证据、冲突事实、过时策略、未授权租户、恶意标签、人工覆盖和已删除来源。 6. **预设停止条件。** 如果无法重建至少 95% 的重要因素，任何跨租户访问成功，或审核效率提升不足以覆盖维护成本，就停止试点。 如果试点通过，Wavect 的 [AI 赋能团队](/zh/services/ai-enablement/) 可以把决策层连接到权限、评估和生产工作流。你还可以查看 [AI 智能体评估与沙箱安全清单](/zh/blog/ai-agent-eval-sandbox-security-checklist/) 、 [Twinsoft AI 案例研究](/zh/case-studies/twinsoft-ai/) 和 [技术栈选择指南](/zh/software-development-guide/how-to-choose-a-tech-stack-for-mvp/) ，或 [预约决策溯源工作坊](/zh/contact/) 。 ## 常见问题 ### Semantica 是什么？ Semantica 是采用 MIT 许可证、可自托管的 Python 平台，用于上下文图、知识图谱、确定性推理和作为一等对象的 AI 决策记录。它通过 Python、MCP、REST 和 CLI 提供能力。 ### Semantica 是 AI 智能体框架吗？ 它主要不是编排框架，而是用于补充现有 LLM、向量存储和智能体框架的问责与上下文层。团队可以采用决策和溯源组件，而不替换现有编排。 ### Semantica 的推理具有确定性吗？ 在存储事实和规则相同的情况下，符号规则与图遍历可以具有确定性。完整工作流仍可能使用概率抽取或智能体生成的理由，因此可重复并不等于输入正确。 ### 导出 PROV-O 能让 Semantica 自动合规吗？ 不能。PROV-O 提供可互操作的溯源模型。合规还需要正确的用途分类、访问控制、保留、人类监督、证据质量和满足适用法律的解释。 ### Semantica 会取代向量数据库或可观测性平台吗？ 不会。向量检索适合语义召回，轨迹适合执行与性能。Semantica 在决策、因果和溯源关系具有长期价值时提供可查询记录。 ### Semantica 能把数据保留在内部基础设施吗？ 它支持自托管，并能连接 Databricks 和 Snowflake。在声称数据不会离开环境前，你仍需检查每个解析器、嵌入、LLM、MCP、API、图存储、备份和遥测路径。 ### 受监管团队应如何评估 Semantica？ 使用历史案例进行影子模式测试，并评分证据完整性、因果重建、策略准确性、租户隔离、防篡改、审核工作量和导出可用性。固定 0.6.5 或更高版本，并要求独立安全和法律审查。 ## 最终思考 Semantica 瞄准了智能体可观测性与可问责决策之间的真实空白。作为一等对象的决策记录、因果图、策略检查和基于标准的溯源，使它成为需要回答智能体为何行动的团队值得考虑的开源试点。 诚实结论不是安装后就自动合规。确定性路径的可信度取决于底层记录的事实、策略和控制。固定已经修复安全问题的版本，从一个影子工作流开始。只有当独立审核人能够更快、更可靠地得到有来源支撑的解释时，才继续采用 Semantica。 ## 你可能也喜欢.. [**AI 智能体图工程** 判断工作流图、实验 DAG、向量存储、SQL 模型或知识图谱何时值得承担运营成本。](/zh/blog/graph-engineering-ai-agents/) [**AI 赋能与通用 AI 咨询** 比较在你的基础设施中实施试点与只提供战略建议的项目。](/zh/compare/ai-enablement-vs-generic-ai-consultancy/) AI 治理与监管 ## 继续浏览此集群 负责任采用 AI 所需的安全、政策、合规与运营控制。 [从核心文章开始**5 人创业团队的 EU AI Act 成本**](/zh/blog/eu-ai-act-compliance-cost-startup/) - [AI 智能体合同签署：eIDAS QES 集成指南](/zh/blog/ai-agent-eidas-signature-integration/) - [Terafab：从硅片到轨道的 AI 堆栈由谁控制？](/zh/blog/terafab-vertical-integration-ai-stack/) - [AI 能制造病毒吗？斯坦福研究真正证明了什么](/zh/blog/ai-designed-viruses-stanford-biosecurity/) - [Stripe Billing 与 2027 年电子发票](/zh/blog/stripe-billing-e-invoicing-2027/) - [面向 SaaS 与 AI 智能体的欧盟 AI Act 第50条落地清单](/zh/blog/eu-ai-act-article-50-checklist/) 只收重要内容 ## 关注与你相关的内容 每当我们发布新文章，你会收到一封简短邮件。你可以关注整个博客，也可以只选感兴趣的主题。 [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 分钟 阅读 · 2026年8月14日 最近审核 2026年8月14日 [**下一篇**](/zh/blog/cloudflare-kitesurf-browser-ai-agents/) 邮件订阅新文章 × × 通过邮件获取新文章 我们发布时给你一封简短邮件。免费，不做跟踪。 ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/zh/blog/semantica-ai-agent-decision-provenance/#webpage", "@type": "WebPage", "dateModified": "2026-08-14", "inLanguage": "zh", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-08-14", "url": "https://wavect.io/zh/blog/semantica-ai-agent-decision-provenance/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Semantica 是一套采用 MIT 许可证、可自托管的 Python 平台。它为现有智能体技术栈增加上下文图、作为一等对象的决策记录、因果关系、策略检查和溯源导出。确定性的图遍历和规则可以根据相同的已存输入复现解释，但无法证明抽取事实或智能体写入的理由本身正确。2026 年 8 月 11 日发布的 0.6.5 版修复了严重的身份验证和注入漏洞，因此采购者应固定该版本或更高版本，并独立完成安全审查。对于需要证据和先例的重复、高影响决策，Semantica 值得试点。对于低风险聊天、简单流程，或尚未定义决策模式、保留政策和责任审核人的团队，它过于复杂。", "articleBody": " 博客概览/商业与监管/AI 治理与监管 Semantica 评测 2026：它能解释每一次 AI 智能体决策吗？ 要点速览 Semantica 是一套采用 MIT 许可证、可自托管的 Python 平台。它为现有智能体技术栈增加上下文图、作为一等对象的决策记录、因果关系、策略检查和溯源导出。确定性的图遍历和规则可以根据相同的已存输入复现解释，但无法证明抽取事实或智能体写入的理由本身正确。2026 年 8 月 11 日发布的 0.6.5 版修复了严重的身份验证和注入漏洞，因此采购者应固定该版本或更高版本，并独立完成安全审查。对于需要证据和先例的重复、高影响决策，Semantica 值得试点。对于低风险聊天、简单流程，或尚未定义决策模式、保留政策和责任审核人的团队，它过于复杂。 如果 AI 智能体反复作出影响重大的决策，而且审核人需要在数月后重建证据、策略和完整因果链，Semantica 值得进行受控试点。它把决策记录为图中的对象，而不是只留下日志行或短暂的模型上下文。这与普通向量记忆解决的是不同问题。 我们的商业结论是有条件的。软件采用 MIT 许可证，但可供审计的运营体系仍需要访问控制、保留规则、防篡改证据、经过测试的策略和承担责任的人类审核人。我们在 2026 年 8 月 14 日审阅了公开的 Semantica 代码仓库与文档。本文是基于证据的采购评测，不是赞助内容、法律意见或实操渗透测试。 本文只负责一个产品评估意图：你是否应该为 AI 智能体决策溯源试点 Semantica？如果你要比较工作流图、实验 DAG、SQL、向量 RAG 与知识图谱，请阅读我们的 AI 智能体图工程决策指南。分开这两个问题，可以避免把一个工具包装成所有图问题的统一答案。 Semantica 是什么？ Semantica 是一套可自托管的 Python 平台，用于上下文图、知识图谱、确定性规则和决策溯源。它位于现有 LLM、向量存储和智能体框架旁边。团队无需替换编排层，就能记录决策、连接原因、搜索历史先例或导出溯源信息。 截至 2026 年 8 月 14 日的公开事实对采购者的含义 MIT 许可证商业使用不收许可证费用，但不包含担保或实施支持。 Python 包与自托管部署只要所有抽取与模型路径也留在内部，图数据就可以保留在你的基础设施中。 决策对象、因果关系和先例搜索决策成为可查询的业务数据，而不是转瞬即逝的轨迹。 前向链、Rete、Datalog 与 SPARQL无需让 LLM 临时编造解释，也能重复运行规则和图遍历。 W3C PROV-O、RDF、JSON-LD 等导出决策轨迹可以进入基于标准的证据和图工作流。 Databricks、Snowflake、MCP、REST、CLI 和编辑器集成试点可以接入现有栈，但每个连接器都会扩大安全审查范围。 为什么嵌入和日志还不够？ 向量存储回答相似性问题：哪些文本与这个查询相似？调用轨迹回答执行问题：哪个提示、模型或工具在什么时间运行？决策记录必须回答更难的业务问题：哪些证据和策略导致这个结果，排除了哪些备选方案，由谁批准，之后又发生了什么？ 这些层并不互斥。向量检索继续负责模糊召回，类似 OpenTelemetry 的轨迹继续负责延迟、错误和工具调用。只有当证据、策略、决策与后果之间的关系必须在原始运行消失后继续可查询时，才值得增加决策图。 层回答的问题无法证明的内容 向量记忆哪些上下文在语义上相似？哪些具体事实造成最终决策 智能体轨迹执行了什么、顺序如何、耗时多久？为什么策略允许该结果 策略引擎结构化输入是否满足某个版本的规则？输入是否完整并且正确 决策溯源图哪些证据、参与者、规则和先例连接到这个结果？已记录证据是否真实反映现实 Semantica 如何记录智能体决策？ 核心 API 会保存类别、场景、理由文本、结果、置信度和可选元数据。额外关系可以把一个决策标为另一个决策的原因、影响因素或先例。团队随后可以回溯上游原因、检查下游影响、搜索相似决策，并在结果生效前运行策略检查。 以贷款流程为例，图可以连接申请快照、经验证的收入记录、策略版本、风险等级、模型版本、人类复核和最终不利决定通知。六个月后，审核人应当能从结果回溯到准确的版本化输入，而不是让当前模型重新生成一个听起来合理的故事。 划定决策边界。明确分析何时变成建议、批准、拒绝或实际动作。 记录版本化证据。保存稳定记录 ID、来源版本、有效时间、权限范围和校验和，不要复制失控文本。 附加策略。保存规则集版本、命中规则、失败备选、例外和人工覆盖。 连接后果。把决策与它产生的通知、交易、案件或后续决策相连。 测试重建。独立审核人必须在不依赖原始上下文窗口的情况下复现路径。 Semantica 的推理真的具有确定性吗？ 图遍历和符号规则引擎可以具有确定性，但完整 AI 工作流未必如此。在存储图、规则集和查询都相同的情况下，前向链或因果遍历可以不调用 LLM，并返回相同路径。此时解释来自已持久化的关系，而不是临时生成。 边界很重要。实体抽取可能使用模式、机器学习模型或 LLM，原始 reasoning 字段也可能由智能体写入。确定性遍历无法修复错误来源、过时关系、有偏策略或虚构理由。采购者应分别测试遍历可重复性、已记录输入的忠实度和业务规则的有效性。 PROV-O 是否能让系统自动合规？ 不能。W3C PROV-O 推荐标准为实体、活动和参与者提供可互操作概念，可以表达哪个活动使用或生成了实体，以及由谁负责。它是有用的证据模式，但不是合规证书、保留政策、访问控制或监管机构接受某次导出的保证。 法律义务取决于具体用途。欧盟《人工智能法案》第 12 条要求高风险系统具备自动记录事件的技术能力，第 86 条则针对部分个体决策提供范围明确的清晰解释权。溯源图可以帮助整理证据，但部署方仍需判断风险分类、角色、保留期限、人类监督和面向个人的解释。 美国信贷要求更加具体。CFPB 关于复杂信贷算法的通告要求对不利决定提供具体、准确的主要理由。模型太复杂不能成为不遵守要求的理由。只有当存储的原因确实对应实际考虑的因素时，因果路径才有价值。 NIST AI RMF 核心框架同样把文档视为支持透明度、人类复核和问责的手段。正确的采购定位是：Semantica 可以成为治理系统中的证据底座，但它本身不是完整治理系统。 Semantica 能否让受监管数据留在你的基础设施内？ 它支持自托管，并通过原生 Databricks 和 Snowflake 连接器读取团队现有治理环境中的数据。这可以减少额外的 SaaS 导出步骤，但并不自动意味着没有数据离开内部环境。 批准前应绘制完整数据路径：文档解析器、嵌入模型、基于 LLM 的抽取、向量存储、图后端、MCP 客户端、REST 消费者、备份和遥测。如果某个配置的服务商位于外部，相关输入就可能跨越边界。必须在检索阶段测试租户隔离和行级权限，而不只是检查摄取阶段。 安全团队需要了解 0.6.5 版的哪些信息？ 2026 年 8 月 11 日发布的 Semantica 0.6.5 安全版本修复了六个外部报告的漏洞。发行说明列出 Explorer API 路由缺少身份验证、严重的 Cypher 和 SPARQL 注入路径，以及 RCE、XXE、拒绝服务和 ReDoS 修复。快速响应说明项目仍在积极维护，但这些问题也意味着任何高影响试点都必须经过独立安全审查。 固定 0.6.5 或更高版本。在部署和软件组成检查中阻止旧版本。 把 Explorer 保持在私网。在所有 API 表面前配置身份验证、授权、限流和网络策略，再独立验证。 把图标签视为不可信输入。针对选定后端模糊测试从文档得到的实体类型、关系类型、IRI 和属性名。 分离证据与展示。在智能体能够修改的界面之外保存仅追加或可检测篡改的记录。 为 0.x 变更做准备。固定依赖，审查迁移，并在升级前重新运行决策重建测试套件。 Semantica 与 RAG、可观测性和策略即代码有何区别？ 主要需求优先采用何时增加 Semantica 根据文档回答问题带权限和引用的 RAG答案需要持久的多跳事实、冲突和决策历史 调试智能体运行轨迹、日志和评估审核人需要跨运行重建先例和因果关系 阻止不安全动作工具边界上的窄策略引擎策略、证据、覆盖和后果必须一起可查询 管理企业控制项现有 GRC 与记录管理系统智能体决策需要以结构化溯源格式进入这些系统 建模关联的运营事实根据查询形状选择 SQL 或知识图谱决策本身必须成为因果连接的一等对象 哪些团队应该试点，哪些团队应该跳过？ 情况建议原因 重复的信贷、理赔、资格或案件路由决策影子模式试点相同的证据与策略问题会持续产生真实审核成本。 多个智能体需要同一份版本化决策历史试点先例和因果关系可以跨工作流积累价值。 低风险聊天机器人或一次性文档问答跳过轨迹与带引用的检索更便宜，也更容易运营。 没有稳定决策模式或策略负责人先修复治理图会把歧义形式化，却不会消除歧义。 团队期待自动满足监管要求不要以此前提采购PROV-O 是证据格式，不是法律批准。 开源决策轨迹的真实成本是什么？ 许可证免费，运营能力并不免费。预算应覆盖本体和策略设计、来源集成、实体解析、权限执行、存储、保留、脱敏、防篡改证据、评估、安全测试、审核工具和事件响应。Databricks 或 Snowflake 连接器可以节省一步集成，但不会消除数据质量和访问控制工作。 商业指标不是创建了多少节点。应衡量每次决策的审核分钟数、有来源证据的重要因素比例、重建事件的时间、策略门控的误报和漏报、导出可用性，以及保持图更新的成本。 两周 Semantica 试点应该怎样运行？ 选择一类高影响决策。在 30 到 50 个历史案例上以影子模式运行，不要从自动批准开始。 先定义所需解释。合规、运营和工程共同确定重要因素、证据、策略版本、人工覆盖与保留要求。 建立基线。测量当前日志、数据库和员工重建每个案例所需的时间。 固定并隔离技术栈。使用 0.6.5 或更高版本、私网访问、测试数据和最少连接器。 运行对抗案例。包括缺失证据、冲突事实、过时策略、未授权租户、恶意标签、人工覆盖和已删除来源。 预设停止条件。如果无法重建至少 95% 的重要因素，任何跨租户访问成功，或审核效率提升不足以覆盖维护成本，就停止试点。 如果试点通过，Wavect 的 AI 赋能团队可以把决策层连接到权限、评估和生产工作流。你还可以查看 AI 智能体评估与沙箱安全清单、Twinsoft AI 案例研究和技术栈选择指南，或预约决策溯源工作坊。 常见问题 Semantica 是什么？ Semantica 是采用 MIT 许可证、可自托管的 Python 平台，用于上下文图、知识图谱、确定性推理和作为一等对象的 AI 决策记录。它通过 Python、MCP、REST 和 CLI 提供能力。 Semantica 是 AI 智能体框架吗？ 它主要不是编排框架，而是用于补充现有 LLM、向量存储和智能体框架的问责与上下文层。团队可以采用决策和溯源组件，而不替换现有编排。 Semantica 的推理具有确定性吗？ 在存储事实和规则相同的情况下，符号规则与图遍历可以具有确定性。完整工作流仍可能使用概率抽取或智能体生成的理由，因此可重复并不等于输入正确。 导出 PROV-O 能让 Semantica 自动合规吗？ 不能。PROV-O 提供可互操作的溯源模型。合规还需要正确的用途分类、访问控制、保留、人类监督、证据质量和满足适用法律的解释。 Semantica 会取代向量数据库或可观测性平台吗？ 不会。向量检索适合语义召回，轨迹适合执行与性能。Semantica 在决策、因果和溯源关系具有长期价值时提供可查询记录。 Semantica 能把数据保留在内部基础设施吗？ 它支持自托管，并能连接 Databricks 和 Snowflake。在声称数据不会离开环境前，你仍需检查每个解析器、嵌入、LLM、MCP、API、图存储、备份和遥测路径。 受监管团队应", "articleSection": "AI 治理", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "Semantica 代码仓库与文档", "url": "https://github.com/semantica-agi/semantica" }, { "@type": "WebPage", "name": "W3C PROV-O 推荐标准", "url": "https://www.w3.org/TR/prov-o/" }, { "@type": "WebPage", "name": "欧盟《人工智能法案》", "url": "https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng" }, { "@type": "WebPage", "name": "CFPB 关于复杂信贷算法的通告", "url": "https://www.consumerfinance.gov/compliance/circulars/circular-2022-03-adverse-action-notification-requirements-in-connection-with-credit-decisions-based-on-complex-algorithms/" }, { "@type": "WebPage", "name": "NIST AI RMF 核心框架", "url": "https://airc.nist.gov/airmf-resources/airmf/5-sec-core/" }, { "@type": "WebPage", "name": "Semantica 0.6.5 安全版本", "url": "https://github.com/semantica-agi/semantica/releases/tag/v0.6.5" } ], "dateModified": "2026-08-14", "datePublished": "2026-08-14", "description": "Semantica 是一套采用 MIT 许可证、可自托管的 Python 平台。它为现有智能体技术栈增加上下文图、作为一等对象的决策记录、因果关系、策略检查和溯源导出。确定性的图遍历和规则可以根据相同的已存输入复现解释，但无法证明抽取事实或智能体写入的理由本身正确。2026 年 8 月 11 日发布的 0.6.5 版修复了严重的身份验证和注入漏洞，因此采购者应固定该版本或更高版本，并独立完成安全审查。对于需要证据和先例的重复、高影响决策，Semantica 值得试点。对于低风险聊天、简单流程，或尚未定义决策模式、保留政策和责任审核人的团队，它过于复杂。", "headline": "Semantica 评测 2026：它能解释每一次 AI 智能体决策吗？", "image": "https://wavect.io/img/blog/headers/header_semantica-ai-agent-decision-provenance.svg", "inLanguage": "zh", "keywords": "AI 治理, AI 智能体", "mainEntityOfPage": { "@id": "https://wavect.io/zh/blog/semantica-ai-agent-decision-provenance/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/zh/blog/semantica-ai-agent-decision-provenance/", "wordCount": 376 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/zh/", "name": "首页", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/overview/", "name": "博客概览", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/topics/business-regulation/", "name": "商业与监管", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/clusters/ai-governance/", "name": "AI 治理与监管", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/semantica-ai-agent-decision-provenance/", "name": "Semantica 评测 2026：AI 智能体决策审计 | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Semantica 是采用 MIT 许可证、可自托管的 Python 平台，用于上下文图、知识图谱、确定性推理和作为一等对象的 AI 决策记录。它通过 Python、MCP、REST 和 CLI 提供能力。" }, "name": "Semantica 是什么？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "它主要不是编排框架，而是用于补充现有 LLM、向量存储和智能体框架的问责与上下文层。团队可以采用决策和溯源组件，而不替换现有编排。" }, "name": "Semantica 是 AI 智能体框架吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "在存储事实和规则相同的情况下，符号规则与图遍历可以具有确定性。完整工作流仍可能使用概率抽取或智能体生成的理由，因此可重复并不等于输入正确。" }, "name": "Semantica 的推理具有确定性吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "不能。PROV-O 提供可互操作的溯源模型。合规还需要正确的用途分类、访问控制、保留、人类监督、证据质量和满足适用法律的解释。" }, "name": "导出 PROV-O 能让 Semantica 自动合规吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "不会。向量检索适合语义召回，轨迹适合执行与性能。Semantica 在决策、因果和溯源关系具有长期价值时提供可查询记录。" }, "name": "Semantica 会取代向量数据库或可观测性平台吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "它支持自托管，并能连接 Databricks 和 Snowflake。在声称数据不会离开环境前，你仍需检查每个解析器、嵌入、LLM、MCP、API、图存储、备份和遥测路径。" }, "name": "Semantica 能把数据保留在内部基础设施吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "使用历史案例进行影子模式测试，并评分证据完整性、因果重建、策略准确性、租户隔离、防篡改、审核工作量和导出可用性。固定 0.6.5 或更高版本，并要求独立安全和法律审查。" }, "name": "受监管团队应如何评估 Semantica？" } ] } ```