semantica vs graphti

Semantica 和 Graphiti 都是当前 AI Agent 生态中用于构建知识图谱（Knowledge Graph）的热门开源框架，但它们的设计哲学、核心优势和适用场景有显著区别。

简单来说：Graphiti 是为“记忆”而生，Semantica 是为“审计与推理”而生。

以下是详细对比：

1. 核心定位与设计哲学

2. 关键技术特性对比

⏳ 时间感知 vs 📜 来源追溯

• Graphiti: 采用双时态模型（Bi-temporal Model）。它不仅记录“事实是什么”，还精确记录“事实在何时为真”以及“系统何时得知该事实”。支持时间点查询（Time-travel queries），例如：“在2024年3月1日，Agent 认为这个客户的风险等级是什么？”这对处理不断变化的对话和状态至关重要。
• Semantica: 采用上下文图（Context Graph）+ 来源管理（Provenance Manager）。它侧重于记录因果关联的决策链。每个节点和边都可以附加来源信息，支持导出 RDF 审计跟踪。它的重点不是“历史版本”，而是“为什么得出这个结论”。

🔍 检索方式

• Graphiti: 混合检索。结合语义搜索、关键词搜索和图遍历，专为低延迟的 Agent 交互优化，支持增量更新而无需重建索引。
• Semantica: 确定性推理 + 语义检索。除了向量搜索，更强调基于本体（Ontology）的图分析和因果推理，确保在高风险场景下的准确性。

🗄️ 数据标准与存储

• Graphiti: 偏向 LPG（属性图） 模型，原生支持 Neo4j, FalkorDB, Kuzu, Amazon Neptune 等多种图数据库，灵活性高。
• Semantica: 遵循 W3C 标准，同时兼容 RDF 和 LPG。强调互操作性和无供应商锁定，适合需要与现有企业语义层集成的场景。

3. 适用场景推荐

4. 总结

• 如果你正在构建一个需要实时交互、记住用户历史、处理信息演变的 AI Agent，Graphiti 是更成熟的选择。它是 RAG 的直接进化版。
• 如果你正在构建一个需要合规、审计、复杂因果推理的企业级 AI 系统，或者需要将非结构化数据转化为标准化的语义资产，Semantica 提供了更强的治理能力。它更像是开源版的 Palantir。

💡 提示： 两者并不完全互斥。在一些复杂系统中，可以用 Graphiti 处理用户交互层的动态记忆，用 Semantica 处理后端业务逻辑层的决策审计，通过 MCP 等协议进行集成。