semantica-agi/semantica

O que é, em uma frase honesta

Semantica é a camada que fica embaixo do seu modelo de IA e do seu banco vetorial, construindo um grafo de conhecimento (uma rede de entidades e relações, tipo "Empresa X comprou Fornecedor Y em março, motivo tal") em vez de só um monte de números que representam significado (os tais embeddings). A diferença prática: um banco vetorial é uma liquidificação, você joga frutas diferentes, sai um suco só, e depois ninguém separa de volta qual fruta contribuiu com o quê. O grafo do Semantica é mais como um cartório: cada fato entra com registro de origem, data de validade e, quando o agente toma uma decisão em cima disso, essa decisão também vira um registro público, rastreável e comparável com decisões parecidas do passado.

O pipeline é declarado publicamente: ingestão → leitura → extração de entidades → detecção de conflito entre fontes → remoção de duplicata → grafo unificado → camadas de ontologia (o dicionário de regras do domínio), raciocínio, proveniência e decisões → exportação. Tudo isso é código aberto, sem servidor pago obrigatório por trás, mas exige que você monte as peças.

Para que serve na prática

Na prática, o kit vem com módulos separados: um para ingerir dado de qualquer lugar (arquivo, web, banco, Databricks, Snowflake, e-mail, Git, Kafka), um para extrair entidades e relações de texto cru, um para detectar quando duas fontes se contradizem, um para aplicar motores de raciocínio explicáveis, encadeamento lógico, Rete, Datalog, SPARQL, quatro formas diferentes de "se isso, então aquilo" que mostram o passo a passo em vez de cuspir resposta pronta, e um para gerar trilha de auditoria no formato padrão internacional de proveniência (W3C PROV-O), o mesmo tipo de documentação que reguladores de saúde e finanças já exigem em outros contextos. Tem servidor MCP com mais de 12 ferramentas plugáveis, integração nativa com times de agentes (Agno), API REST completa e plugins para Claude Code, Cursor, Windsurf e afins. Os próprios exemplos do projeto são de nicho pesado: registrar decisão de concessão de crédito com o histórico que a embasou, sinalizar interação medicamentosa com o raciocínio da dosagem, ou documentar por que uma transação foi flagrada numa checagem de lavagem de dinheiro.

Quando faz sentido pra você que lidera

Faz sentido quando sua operação de IA mexe com decisão que alguém de fora, regulador, auditor, cliente processando a empresa, pode exigir explicação meses depois. Se seu setor é financeiro, saúde, jurídico ou governo, e a pergunta "por que a IA decidiu isso" precisa ter resposta documentada, este é o tipo de coisa que resolve um problema real que RAG comum não resolve. Os poréns que pesam na sua cadeira: primeiro, o próprio projeto avisa que o motor de regras mais simples (Rete) tem um verificador de condição "intencionalmente simples", não é para validar contra conjunto de regras de produção sem checar antes.

Segundo, alguns módulos de ingestão existem mas não vêm prontos para uso, exigem importação manual, sinal de arestas ainda por lixar. Terceiro, isso não é para o usuário final apertar um botão: é infraestrutura que um time de plataforma/dados adota, integra e mantém, com investimento de engenharia real antes de valer o custo.

Por que está no mapa

Semantica capturou 3.256 estrelas e 380 forks em pouco mais de um ano de vida, com a primeira versão declarada estável saindo em março de 2026, curva de adoção rápida para um projeto de infraestrutura, categoria que normalmente cresce devagar. Ele representa uma virada de conversa no mercado de IA: até aqui, a corrida era só embutir mais contexto no modelo (RAG, janelas maiores); agora começa a corrida por provar o raciocínio por trás de cada decisão automatizada, porque a regulação está alcançando a velocidade da adoção. Para quem lidera, o repositório é um bom retrato de como fica a próxima geração de "IA de confiança": não é o modelo prometer que está certo, é a infraestrutura em volta dele guardar o rastro que permite checar depois.

Vale observar como termômetro de para onde caminha a exigência de auditabilidade em IA corporativa.