他们开源了一个 Palantir，部署只需三行命令

Palantir 最有价值的东西是 ontology：它把散落在公司数据库、SaaS 和文档里的内容，统一成一套人和机器都能理解的实体关系。界面只是外壳。现在有人把这套能力开源了。

Helix Foundry 刚刚发布。流程不复杂：连接 PostgreSQL、MySQL、S3、Stripe、PostHog、WorkOS、GitHub、Linear、Granola、Cal.com，或者上传 PDF、Markdown、CSV、Parquet，一个 agent 会读取这些数据并起草一份 ontology。所谓 ontology，就是一套实体和关系的模型，例如客户属于某个订阅，订阅生成发票，工单挂在账户下。

agent 起草的内容包括类型、链接、每个字段来自哪张表或哪份文档，以及规则。你审阅一遍、做些修改、设为当前版本，然后一次性加载写入 HelixDB。之后既可以按图查看，也可以按记录查看；每个值都能追溯到它原来的行或原文引文，提问得到的答案带有引用。

这个“起草、审核、加载”的循环是它与普通 RAG 最大的区别。RAG 是临时检索，ontology 是先建立结构。结构建对了，后面提问的质量才稳定。

部署方式有两种。云端直接打开 foundry.helix-db.com。本地需要 Docker Compose v2：

git clone https://github.com/HelixDB/helix-foundry.git
cd helix-foundry
docker compose up -d --wait

打开 localhost:3000。没有登录，没有初始化向导，一个 owner，所有连接器和功能默认全开。第一次启动会把密钥写入 Docker volume，删除 volume 等于删除数据，注意不要随手执行 docker compose down -v。

手上没有数据可以点击 Use the sample，里面是一家虚构的软件公司 Acme Corp，PostgreSQL 中存有客户、订阅、发票、工单、用量，外加合同、通话记录、事故报告。一分钟就能走完数据、目标、现成 ontology、加载、提问整条链路。

AI 模型按以下顺序查找：运行 docker compose up 的 shell 中有 ANTHROPIC_API_KEY 或 OPENAI_API_KEY，就使用 Claude 或 OpenAI；没有就查找本机 Ollama（可以用 docker compose --profile ollama up -d 在旁边启动一个），再没有就查找 LM Studio。在 Settings › AI models 中能看到它选了谁、为什么，也能切换到 Azure OpenAI、Amazon Bedrock 或任何兼容 OpenAI 的服务器，例如 vLLM 或网关。

技术栈：前端和 API 代理是 Next.js，需要 Node 24 和 pnpm；后端是 Go，仓库中的 backend/ 包含 API、同步 worker、ontology 起草 worker、加载 worker 和问答 worker，存储使用 MySQL。托管版运行同一套代码。整个仓库采用 Apache 2.0。

发布推文下面有人问，它到底在哪方面胜过 Palantir。作者 Lam Sambert 回了一句：less diverse founders。这是在拿 Palantir 早期因创始人背景单一而受到的批评开玩笑，也算一种自我定位：不打算复刻那家公司，只复刻那种能力。

真正值得注意的是，ontology 已经从人工咨询项目变成 agent 起草加人工审核的流水线。企业数据接入从来不只是技术问题，而是权限、治理、谁说了算的问题。Helix Foundry 把技术门槛降到了 docker compose up，剩下的门槛依然留在原地。