NVIDIA 开源 Auto Ontology：给企业数据建一层语义本体，让 Agent 查数时先对定义、再出 SQL

Auto Ontology 是 NVIDIA 开源的一个语义层框架，今天登上 GitHub Trending 日榜第一，8,065 星、Apache-2.0 开源。

它解决的是一个很实际的问题：Agent 现在能查文档、能跑数据库，但查数这件事卡在可靠性上——一个收入数字答得再快，数错了就毫无价值。Auto Ontology 从企业元数据自动生成本体（Ontology）与知识图谱，给 Agent 一层上下文：数据在哪、是什么意思、该怎么用、从哪来、和什么相似。

具体能做的事分五步：发现（从元数据生成企业本体、接现有本体与语义模型、建成 AI 可用的知识图谱）、锚定（给指标、实体与关系对上可信的业务定义，调和各系统里不一致的口径）、校验（拿生成的查询去对已认证的定义与血缘，每次回答都附带出处）、暴露（通过 MCP、CLI 与 API 把上下文交给任何 Agent 框架）、学习（把已认证的修正与使用情况折回本体里，越用越准）。

问答时它把自然语言问题转成 SQL 再执行，答案会附上 SQL 与推导步骤，方便你核对。官方示例用的是一套微软示例销售库：问“2015 年 6 月宾夕法尼亚州某产品的收入”，它会把收入、产品、州解析成本体里的词，拼出需要的 join 再跑查询，答案是 588.80 美元、来自 3 条发票明细，并把 SQL 全文贴出来。

门槛要说清楚：它用 NVIDIA NIM 做推理，需要一个 NVIDIA API key（默认模型是 Nemotron 系列），部署要 Docker 与 Postgres，Helm 上 Kubernetes 或 Docker Compose 本地跑都行；另外仓库目前不接受外部贡献。站内相关的内容：sheetgraph：把 14 万单元格的表格压成 940 token 的地图，让 AI 智能体一次读懂整本账，以及 DeepSeek 开源 dsh-superagent：监听 GitHub、自动提 PR 的主动式编程 Agent。

来源：GitHub @NVIDIA，原文：https://github.com/NVIDIA/auto-ontology