symbolicai

给大模型装上符号推理引擎，让逻辑更可靠

symbolicai 是一个将神经符号方法（neuro-symbolic）与大型语言模型（LLM）结合的开源项目，旨在从符号推理的视角增强 LLM 的逻辑与推理能力。它解决的是纯神经网络模型在规则遵循、可解释性和复杂推理上的不足，通过引入符号表示和推理机制，使模型能够更可靠地处理结构化知识、进行多步推理，并支持可验证的决策过程。项目核心能力包括：符号知识库的集成、基于规则的推理引擎、以及将符号逻辑与神经网络输出融合的框架。它提供 Python 接口，方便开发者构建具有更强推理能力的 AI 应用，尤其适用于需要严谨逻辑和可解释性的场景。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1774

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队ExtensityAI

所属国家

官网地址

GitHubhttps://github.com/ExtensityAI/symbolicai

定价模式free

价格说明开源项目，BSD-3-Clause许可证，可自由使用、修改和分发，无付费版本。

访问状态

是否开源是

开源协议BSD-3-Clause

主要语言Python

技术栈/模型large-language-models,neurosymbolic-ai,probabilistic-programming

GitHub 星标★ 1774

30天Star增速

HF 下载量

上线时间2022-11-30 00:00:00

最近更新2026-09-22 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：库/依赖 7 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目为 Python 库）
神经符号引擎的 API Key（必需）
可选：WolframAlpha、OpenAI 等引擎 API Key
pytest（用于运行测试）

安装与启动步骤

1准备 Python 环境

确保已安装 Python 并准备虚拟环境；README 未给出安装命令，需自行获取 symbolicai 包。
2初始化配置文件

运行 symconfig 启动初始缓存并生成 symbolicai 配置文件；首次会提示创建配置文件。
```
symconfig
```
3编辑引擎配置

编辑生成的 symai.config.json，填入神经符号引擎 API Key 和模型名；引擎必配。
4配置其他引擎

可选配置符号、嵌入、索引等引擎，参考 README 示例填写 API Key 和模型名。
5运行测试验证

使用 mock 传输运行测试，无需 API Key；确认环境与代码可正常工作。
```
pytest tests --engine-api=mock
```
6运行强制测试

运行 mandatory 标记测试，检查核心功能是否正常。
```
pytest -m mandatory
```
7查看覆盖率

可选，运行覆盖率测试查看 symai 代码覆盖情况。
```
pytest --cov=symai tests
```

关键配置

配置项	必填	说明	示例
`NEUROSYMBOLIC_ENGINE_API_KEY`	是	神经符号引擎 API Key，必需	`sk-ant-xxxxxxxx`
`NEUROSYMBOLIC_ENGINE_MODEL`	是	神经符号引擎模型，需带 provider 前缀	`anthropic:claude-sonnet-4-6`
`SYMBOLIC_ENGINE_API_KEY`	否	符号引擎 API Key，如 WolframAlpha	`your-wolframalpha-key`
`SYMBOLIC_ENGINE`	否	符号引擎名称	`wolframalpha`
`EMBEDDING_ENGINE_API_KEY`	否	嵌入引擎 API Key	`sk-xxxxxxxx`
`INDEXING_ENGINE_URL`	否	索引引擎地址	`http://localhost:6333`

如何确认成功

运行 symconfig 能显示配置位置与当前设置，且 pytest tests --engine-api=mock 通过。

常见问题

Q：必须配置神经符号引擎吗？

A：是，README 明确说明使用 symai 包必须配置神经符号引擎，否则无法正常运行。

Q：没有 API Key 能测试吗？

A：可以，引擎测试默认使用 mock 传输，运行 pytest tests --engine-api=mock 无需任何 API Key。

Q：配置文件应该放哪里？

A：可放当前工作目录（调试优先）、Python 环境 .symai/ 或全局 ~/.symai/，按优先级自动加载。

Q：模型名怎么写？

A：需带 provider 前缀，如 openai:gpt-5.4、anthropic:claude-sonnet-4-6，前缀决定调用哪家提供商。

Q：如何查看 SymbolicAI 日志？

A：默认静默，可在代码中设置 logging.basicConfig(level=logging.INFO) 或 logging.getLogger("symai").setLevel(logging.INFO)。

注意事项

配置加载优先级：当前工作目录（Debug）> Python 环境 > 全局 ~/.symai/。
模型名必须带 provider 前缀，如 anthropic:claude-sonnet-4-6。
所有引擎通过 httpx 直接 REST 调用，无需安装各提供商 SDK。
README 未给出具体安装命令，需自行安装 symbolicai/symai 包。

核心亮点

融合符号逻辑与LLM，显著提升多步推理和规则遵循能力
提供可解释的推理路径，适合对决策过程有审计需求的场景
Python接口简洁，易于集成到现有LLM应用中

不足之处

项目仍处于早期，文档和社区支持有待完善
符号推理可能增加计算开销，影响响应速度

适用场景

法律合同条款的自动审查与逻辑校验
金融风控中的规则引擎与决策解释
复杂问答系统中的多步推理与知识验证

替代项目

LangChain、NeuralLog、DeepLogic

项目介绍

symbolicai 是开发框架领域的开源项目，由 ExtensityAI 开发，2022 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,774）位列前 30%，在开发框架分类中处于中上游。

近 42 天，它的 GitHub 星标从 1,747 增加到 1,774，净增 27。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。BSD-3-Clause许可证，可自由使用、修改和分发，无付费版本。

它主要面向的使用场景是：法律合同条款的自动审查与逻辑校验。同类可对比的替代方案包括 LangChain、NeuralLog、DeepLogic。

上一篇：scratchpad

下一篇：FlowBlock