deeplethe/utopia · 上手攻略

  • 仓库：deeplethe/utopia
  • 链接：https://github.com/deeplethe/utopia
  • 分类：知识管理·企业知识图谱·RAG·Agent
  • 作者：Tom
  • 更新：2026-09-02

这是什么

Utopia 是 DeepLethe 公司出品的企业级世界模型（Enterprise World Model），核心是一个双时间轴知识图谱（Bitemporal Knowledge Graph）。它不只存储"当前知道什么"，还记录"认知是怎么变的"——每一条知识都带着两个时间维度：世界发生了什么（valid time）和系统何时知道的（transaction time）。

这让它和企业里常见的向量库（RAG）或普通知识图谱本质不同：任何决策都可以回溯"当时基于什么认知做出的"，而不是只有一个"现在对不对"的快照。

技术栈：Rust 二进制 + PostgreSQL + pgvector，部署形态为 Docker Compose，整体是完整应用而非代码库。

解决什么问题

企业在做知识管理时通常面临三个难题：

  1. 知识在变，但系统不知道：文档更新了，向量库里的 chunk 不会自动更新；知识图谱里的节点改了，历史版本丢失
  2. 决策无据可查：决策当时的认知是什么？后来谁改了、为什么改？审计时无法还原决策链路
  3. RAG 与结构化数据的割裂：文档可以 RAG，但数据库里的业务数据如何和文档一起被查询？

Utopia 用双时间轴知识图谱 + Ontology 工作台 + Ontology2SQL 把这三件事打通。适合需要强合规审计、可溯源决策、长期知识积累的企业场景。

⚠️ 注意：作者明确表示不希望将 Utopia 描述为"开源版 Palantir"。它是从知识治理底层向上构建的另一种路径，而非模仿 Palantir 的数据处理模式。

快速安装

Docker Compose（一行启动）

git clone https://github.com/deeplethe/utopia.git
cd utopia
docker compose --profile app up -d

启动完成后访问 http://localhost:1516，注册第一个账号（自动成为系统管理员），同时创建一个公开知识库。

⚠️ 首次使用前需要在系统设置中配置模型端点（chat 模型 + embedding 模型），推荐使用支持 OpenAI 兼容接口的本地模型（如 Ollama/vLLM/DeloySeek/Qwen/GLM），整套系统可完全离线运行。

源码构建

# 完整构建（包含本地编译）
docker compose -f docker-compose.yml -f docker-compose.build.yml --profile app up -d --build

# 仅启动数据库（本地已有 Rust 环境）
docker compose up -d db
cargo run  # 后端在 :1516，启动时自动执行迁移

环境依赖

  • Docker（必需）
  • 本地开发额外需要：Rust 1.85+、Node 20+、pnpm

核心用法

知识摄入（Ingest）

支持格式：PDF、DOCX、PPTX、XLSX、XLS、ODS、CSV、TSV、Markdown、HTML、明文文本（含历史编码检测）

自动同步：Web 页面、RSS、GitHub、Jira（可配置 cron）；其他来源通过 per-source token 推送接入。

导入失败的文档在原地重新处理，整库或整数据源可批量重新提取。

搜索与聊天

  • 混合检索：结合 Tantivy 全文检索 + pgvector 向量检索，使用 RRF（Reciprocal Rank Fusion）融合
  • 中文支持：jieba 分词
  • 答案呈现：流式输出 + 行内引用，直接跳转源文档段落
  • 模型无关：任意 OpenAI 兼容端点均可（DeepSeek、Qwen、GLM、Ollama、vLLM），支持完全离线部署

Agent Harness 与 Agentic RAG

系统本身就是一个 Agent Harness，内置 Agent 携带以下工具：

  • 文档搜索
  • 实体查询
  • 事实变更历史查询
  • 挂载数据库查询

通过多轮调用工具后给出回答，而非单次 RAG 检索。

Ontology 与冷启动

系统不自带词汇表，冷启动通过 Ontology Pack 完成：

内置 packs：schema.org、W3C Org、PROV-O、FOAF、IOF Core（ gzip 内置于二进制，安装时选择）。后续遇到词汇自动以"来源引用 + 出现频次"记录，高频词汇确认后并入 Ontology。

双时间轴图谱（核心特性）

提取的实体和事实各自携带有效期（valid time）和入库时间（transaction time）。修正一条事实时，关闭旧版本、创建新版本并链接，而非覆盖。

查询可以在任意历史时间点重新运行。实体面板同时展示两条时间线：世界中发生了什么，以及系统认知何时改变。

实体消解（Entity Resolution）

三阶段实体消解，每次合并操作都记录日志并可撤销。低置信度提取结果、合并候选和基数冲突进入审核队列，不中断业务流程。

推理与导出（Derivation）

规则以时态 Datalog 表达，驱动前向链推理。导出事实与提取事实一样携带有效期和溯源，导出路径一直回溯到原始语句。Ontology 公理（类型继承、关系层次、传递性、对称性、逆关系、不相交性、基数）编译为规则参与推理。

冲突检测

三种检查，三种裁决：

  1. 时态冲突：保留旧事实、同时保留两者、或拒绝新事实
  2. 公理冲突（数据自环、非对称性、传递环、基数冲突）：撤回事实、宽松公理、或同时保留
  3. Ontology 自身缺陷：优先处理，因为基于自相矛盾 Ontology 计算出的违反是噪声

Ontology 驱动查询（Ontology2SQL）

注册一个 Postgres 连接，挂载到某个知识库，用自然语言同时查询文档和数据库。探索阶段用已有 Ontology 概念映射数据库 schema，Agent 提议、用户确认。

底层方法 Ontology2SQL 在 BIRD Mini-Dev（SQLite 和 PostgreSQL 双向）上达 SOTA（来源：bird-bench PR #218）。

决策账本（Decision Ledger）

确认/拒绝事实、合并/还原实体、重建图谱——所有操作均记录操作人、时间戳和对象快照。即使对象被废弃或重建，记录仍可查询。

典型适用场景

  • 企业合规审计：金融、医疗、法律等强监管行业，需要决策溯源
  • 长期知识积累：研究机构、咨询公司，历史认知演变本身就是资产
  • Agent 知识基础设施：为 AI Agent 提供可信赖的知识基底，支持多轮工具调用和 RAG
  • 私有知识库 + 业务数据库联合查询：文档和结构化数据一起被自然语言查询
  • 冲突检测与数据质量治理：在知识进入图谱前发现并处理矛盾

坑与注意

  1. 模型端点需手动配置：默认不带模型能力，安装后需在设置中填入 OpenAI 兼容端点；整套系统理论上可完全离线，但初始配置需要有一个可访问的模型服务
  2. 第一个注册的账号是管理员：部署后立即注册，否则需要手动提权
  3. Rust 1.85+ / Node 20+ / pnpm：仅本地开发需要，Docker 部署只需 Docker
  4. pgvector 依赖：PostgreSQL 需开启 pgvector 扩展，docker-compose 已包含，无需手动安装
  5. 本体（Ontology）冷启动需要选择 Pack：schema.org / W3C Org / PROV-O / FOAF / IOF Core 五选一，按行业需求选择，没有免费午餐
  6. Decision Intelligence 功能仍在开发中（Roadmap 中），目前主要是记录能力

与同类对比

项目 核心能力 数据模型 部署形态 适用场景
Utopia 双时间轴图谱 + 推理 + Agentic RAG 双时间轴知识图谱 Docker（Rust+PG） 企业合规、决策溯源、知识演化
传统知识图谱（Neo4j 等） 图存储 + 查询 单时间轴 单一数据库 关系网络存储
向量库 RAG（Chroma/Pinecone） 语义检索 向量 + chunk API 服务 文档问答
Palantir 数据整合 + 分析 宽表 + 图 SaaS 企业数据分析
Ontology2SQL 类方案 自然语言转 SQL 无 库/服务 数据库问答

Utopia 的护城河是时态建模 + Ontology 驱动的 RAG + Agent Harness 三合一，其他产品通常只占其中一项或两项。

一句话结论

Utopia 把知识图谱从"存当前答案"升级到"记录认知演变"，配合 Ontology2SQL 和 Agentic RAG，是目前企业知识管理领域里时态建模做得最完整的开源方案；适合把知识质量、合规审计和 AI Agent 可信度当核心需求而不是可选项的场景。