trustgraph

用上下文图谱约束 AI，让智能体输出稳定可解释。

trustgraph 是一个面向开源 AI 的确定性上下文工程平台。它通过将开放模型与本体论（ontologies）结合，利用上下文图（context graph）和上下文约束装置（context harness）来构建可解释、可靠的智能体。该平台的核心是解决 LLM 应用中常见的上下文不确定性和幻觉问题，通过显式建模知识图谱和约束规则，使 AI 的推理过程可追踪、可验证。它提供了一套工具链，帮助开发者设计、管理和注入结构化的上下文，从而提升智能体在复杂任务中的稳定性和准确性。trustgraph 强调确定性，即给定相同输入，系统输出可预期，这对于企业级应用和需要严格合规的场景尤为重要。

开源 freemium 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2755

维护状态活跃

是否开源是

定价模式 freemium

项目数据

分类智能体

开发团队trustgraph-ai

所属国家

官网地址https://TrustGraph.ai

GitHubhttps://github.com/trustgraph-ai/trustgraph

定价模式freemium

价格说明开源基础版免费，云服务付费，提供免费试用

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,agent-runtime,context-graph,determinism,document-processing,explainable-ai,graph,graphrag,help-wanted,knowledge-base,knowledge-graph,knowledge-management,ontologies,ontology,ontologyrag,open-source,owl,rag,rdf,semantic

GitHub 星标★ 2755

30天Star增速

HF 下载量

上线时间2024-07-10 00:00:00

最近更新2026-09-26 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-13

浏览次数13

使用教程

难度：入门约 10 分钟部署方式：Docker 4 步

环境要求

已安装 Node.js（需可使用 npx 命令）
已安装 Docker、Podman 或 Minikube 之一作为运行环境
部署机器可访问网络，用于拉取镜像与运行 npx
无需克隆仓库，除非你要从源码构建

安装与启动步骤

1运行配置向导

在命令行执行官方提供的一步配置命令，交互式生成部署配置。无需先克隆仓库。
```
npx @trustgraph/config
```
2获取部署产物

配置流程结束后会在当前目录输出 deploy.zip，内含 Docker/Podman 的 docker-compose.yaml 或 Kubernetes 的 resources.yaml，以及 INSTALLATION.md。
3解压部署包

把 deploy.zip 解压到目标目录，得到 compose 文件或 K8s 资源文件以及安装说明文档。
```
unzip deploy.zip
```
4按说明启动

打开解压出的 INSTALLATION.md，按其中步骤用 Docker、Podman 或 Minikube 启动服务。不要自行臆测端口与路径。

如何确认成功

配置命令执行完毕后，当前目录出现 deploy.zip 和 INSTALLATION.md，即表示配置阶段成功。

常见问题

Q：必须先把仓库 clone 下来吗？

A：不需要。README 明确说明只有在从源码构建时才需要克隆仓库，正常部署通过 Docker 容器方式，直接运行配置命令即可。

Q：支持哪些运行环境？

A：生成的配置可在本地用 Docker、Podman 或 Minikube 运行；Kubernetes 场景会生成 resources.yaml。

Q：不想用命令行配置怎么办？

A：README 提供了浏览器版配置入口 Configuration Terminal（config-ui.demo.trustgraph.ai），可在网页上完成配置。

Q：下一步在哪里看详细文档？

A：官方 Docs 站点 docs.trustgraph.ai 提供 Getting Started 指南、Developer APIs 与 CLI 参考以及 Deployment 指南。

注意事项

README 只给出配置命令，具体启动命令以生成的 INSTALLATION.md 为准。
生成的 docker-compose.yaml 与 resources.yaml 请勿随意改动端口和网络配置，以免启动失败。
遇到问题可加入 README 中给出的 Discord 社区提问。

核心亮点

通过本体论和上下文图显式建模知识，显著降低 LLM 幻觉，提升输出可靠性。
提供确定性上下文工程框架，使智能体行为可预测、可调试，适合生产环境。
开源且技术栈清晰，支持与主流开放模型集成，便于定制和扩展。

不足之处

项目较新，生态和文档可能不够成熟，上手需要一定学习成本。
确定性上下文工程可能增加系统复杂度，对简单场景显得过重。

适用场景

企业知识库问答，需要可追溯、可验证的答案。
复杂任务编排，如多步骤决策，需保证逻辑一致性。
合规敏感领域（如金融、医疗），要求 AI 输出可解释。

替代项目

LangChain、LlamaIndex、Haystack

项目介绍

trustgraph 是智能体领域的开源项目，由 trustgraph-ai 开发，2024 年首次发布。

在全站 13,199 个收录项目中，它的 GitHub 星标数（2,755）位列前 30%，在智能体分类的 2,528 个项目里位列前 14%。

近 44 天，它的 GitHub 星标从 2,515 增加到 2,755，净增 240。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-26。开源基础版免费，云服务付费，提供免费试用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：企业知识库问答，需要可追溯、可验证的答案。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。

上一篇：hax

下一篇：colleague-skill