RenaAI Native 本体数据库引擎

Graph the World. Reason the Future.

让世界的知识
可计算。

用本体连接实体、关系与规则。以低延迟查询、分布式高可用复制和可配置的安全机制,让知识既能被 AI 理解,也能支撑业务长期运行。

Rust 原生Apache-2.0v0.3.0-beta
Rena 产品宣传图:统一知识、可信上下文、受控写入;数据存储、语义与逻辑、查询检索三层引擎经 API 与 MCP 支撑 GraphRAG、Agent 和业务应用;系统动力学为规划探索
Rena 的价值、架构与能力,一图看清。查看大图(在新标签页打开)产品概览。系统动力学为规划探索,具体可用能力以当前版本说明为准。
RDF / SPARQL知识建模与查询SHACL / OWL约束校验与推理向量 + 图关联检索与上下文Agent / MCP应用与工具接入
从知识,到行动的依据

把散落的信息,
组织成可用的世界。

知识有结构,判断有规则,应用才能在清楚的上下文中工作。

01 / MODEL

让知识彼此连接

以 RDF 描述实体与关系,用本体统一概念。通过 SPARQL 跨关系查询,把分散的数据组织成可计算的知识图谱。

人物参与 →事件发生于 →地点
实体 · 关系 · 命名图
02 / REASON

让规则参与判断

用 SHACL 检查数据约束,用 OWL 与规则推理展开已有知识。把“关系是什么”和“是否符合规则”放进同一条工作链。

事实约束校验规则推理
查询 · 校验 · 推理
03 / CONNECT

让 Agent 有据可依

结合向量召回与图邻域扩展,组织相关上下文。通过 MCP 接入工具,以草稿、提议和审批机制管理知识写入。

草稿→提议→审批入库
GraphRAG 原语 · 受控写入
性能,有实测依据

千万级知识图谱,
毫秒级点查。

在 TianQuan 指定工作负载中,与 Neo4j 5.26.30-community 对比,点查、两跳遍历和档案键集查询均取得更低延迟。

点查 · p501.45 ms

Neo4j 7.08 ms
约 4.9× 速度

两跳遍历 · LIMIT 100 · p508.62 ms

Neo4j 11.9 ms
约 1.4× 速度

档案键集 · p501.99 ms

Neo4j 8.22 ms
约 4.1× 速度

2026-09-01 批 BL 终态自测,10M 档 TianQuan 合成语料,热态查询。Rena 原生进程与 Neo4j 容器采用不同客户端协议。实体计数等用例仍由 Neo4j 领先,结果不代表所有场景。

查看性能实测与方法
从单机接入,到企业部署

让知识持续可用,
让运行有据可查。

从复制、恢复、访问控制到监控,提供可组合的工程机制。按实际版本与业务要求配置、验证,再投入生产。

01 / AVAILABILITY

分布式高可用
集群成员弹性调整

每个 dataset 使用独立 Raft 组和全副本复制,支持节点动态加入、退出,以及故障后的副本追平。三节点故障验收覆盖选主、已提交数据保留与快照恢复。

按业务调整集群成员,维持副本冗余。当前采用全副本架构。
02 / DURABILITY

数据可恢复
恢复路径可演练

MVCC 快照与 WAL 支撑持久化和崩溃恢复;在线单库备份、在快照与事务日志窗口内按事务编号恢复,为日常备份与故障处置提供明确路径。

集群备份可离线恢复至新目录中的单机。备份、保留策略与恢复演练仍需由部署方落实。
03 / SECURITY

访问有边界
权限按数据集控制

Argon2id 凭证保护、租户与用户隔离、dataset ACL、HTTPS 和双层限流,让认证、授权与传输保护能够按部署要求配置。

按部署要求启用认证、权限与传输保护,建立适合业务的访问边界。
04 / OPERATIONS

运行看得见
问题查得到

Prometheus 指标、慢查询日志、traceId 与安全事件日志,帮助定位慢请求、观察资源状态、追踪访问和操作事件。

将运行指标接入监控体系,结合业务配置告警、配额与运维策略。

以上为仓库实现、运维指南及测试记录核验摘要(2026-10-04)。查看能力范围与依据

探索方向 · 系统动力学

理解关系之后,
探索系统如何变化。

让复杂的系统可推演,是 Rena 的下一步探索:连接知识图谱与系统动力学模型,围绕因果、反馈和存量变化,让建模与外部仿真衔接。

因果循环建模、存量与流量走势、仿真工具对接属于规划方向,不包含在本页 v0.3.0-beta 快速入门中。Rena 的定位是仿真就绪的数据平台,数值仿真由外部引擎完成。

因果关系反馈回路存量与流量变化轨迹

从结构到变化
概念示意 · 非仿真结果

协议接入
SPARQL / GSP管理 API / MCP
行为与 Agent
Action / Function / EventGraphRAG / 记忆 / OAG
语义与逻辑
RDF 数据模型SHACL 校验OWL / 规则推理
查询引擎
解析 → 代数 → 优化 → 执行
存储抽象
可插拔 Dataset / Graph持久存储 / 向量
服务协调
多租户路由 / 配额CLI 二进制入口
依据 Rena 仓库「系统架构 · 分层总览」整理。应用与 Agent 在外部编排,核心数据库与行为扩展保持清晰边界。
为开发者保留清楚的边界

底座提供机制,
应用定义工作方式。

Rena 承载知识、状态与规则。领域建模、Agent 任务编排、检索增强生成策略由应用层组织,按你的业务组合使用。

  • 单二进制 / Docker
  • 访问控制
  • 备份与恢复
应用场景

把基础能力,带进真实工作。

GraphRAG 数据底座

提供向量召回、图关系扩展与查询原语。分块、提示词和生成策略由应用组织。

Agent 结构化记忆

用可查询的知识与状态为 Agent 提供上下文,结合应用自身的权限和审批流程。

创作世界与知识管理

组织人物、事件与世界规则,让关系查询和逻辑校验服务具体的创作应用。

企业知识应用

将分散的信息组织成实体与关系,为检索、关联分析和业务应用提供基础。

面向开发者

从一个本地实例,
开始理解 Rena。

启动服务、写入一段知识,再执行第一个查询。快速入门依据仓库已发布版本 v0.3.0-beta 整理。

示例用于本地体验。正式部署需单独配置认证、访问控制与备份。

Docker · 本地体验
docker run --rm \
  -p 127.0.0.1:3030:3045 \
  -v rena-data:/data \
  quay.io/xingdongweitu/rena:0.3.0-beta \
  serve --storage disk --dir /data --port 3045

清楚的边界,可靠的起点。

Rena 与 AI 应用是什么关系?

Rena 提供数据、机制与协议。Agent 的任务编排、领域知识设计和完整业务流程由应用层负责。它可以作为技术产品独立接入,不要求使用天权或响石。

当前介绍对应哪个版本?

快速入门以仓库标记的 v0.3.0-beta 发布版本为基线。性能数字来自页面标注的历史自测批次,企业能力来自 2026-10-04 仓库实现与文档核验,不代表所有部署默认启用;请按实际版本确认。系统动力学与仿真衔接属于探索方向。图形展示用于解释产品概念,不代表已开放的在线控制台或仿真服务。

是否可以在这里直接创建云实例?

本页提供 Rena 产品介绍和本地使用指引。官网当前不提供托管云实例创建入口。

一起,让想法向前。

正在构建 AI 应用?聊聊你的知识底座。

欢迎围绕技术接入、使用场景与合作方向交流。

联系合作