开发框架上手难度 🧪 硬核#NVIDIA#NL2SQL#知识图谱#本体#MCP#Agent#数据治理#PostgreSQL
NVIDIA Auto Ontology · 英伟达 Auto Ontology — 给 Agent 建企业语义层,让查数可溯源
把企业元数据自动编成本体,让 NL2SQL 可验证可追溯
指标同步中,请稍后刷新查看 在 GitHub 查看源码
5 分钟上手
服务本身无需 GPU,推理依赖 NVIDIA NIM;建议 16GB 以上内存git clone https://github.com/NVIDIA/auto-ontology.git
cd auto-ontology && cp .env.example .env
# 填入 DEFAULT_MODELS_API_KEY(nvapi-) 与数据库密码
docker compose up -d --build
# 打开 http://localhost:3000项目速览
Auto Ontology 是 NVIDIA 开源的企业语义层框架:从数据库元数据自动生成业务本体(术语、SQL 属性、表关系),把「收入」「客户」等业务概念映射到真实字段,再通过 MCP、CLI 与 REST API 暴露给任意 Agent,解决 Agent 查数快但不可信的问题。
能做什么
- 自动生成本体:读取 PostgreSQL、MySQL、Snowflake、Databricks、ClickHouse、Trino 等 10 种数据源的 schema、列画像与样本值
- 语义校验:用已认证定义检查生成的 SQL,答案附带 SQL、行数与推导步骤
- MCP 服务:提供 check_answerable、ask_question、search_terms 等只读工具
- 可答性判断:数据覆盖不了的问题会明确说明答不了,而不是编造
怎么部署
官方提供 Docker Compose 与 Helm Chart,包含 Next.js 前端、FastAPI 后端、摄入服务与 Postgres+pgvector 四个组件;推理走 NVIDIA NIM,默认 Nemotron 3.5 系列,需要 nvapi- 开头的 API Key。
适合谁
要把 Agent 接入企业内部数据仓库或 BI 的团队,以及需要可审计 NL2SQL 的数据平台与合规敏感行业。
✅ 优点
- •答案带 SQL 与血缘,可逐条核对
- •原生 MCP,Claude/Cursor 等客户端可直接接入
- •Apache-2.0 许可,Docker 与 Helm 双路径部署
⚠️ 局限与坑
- •组件较多,本地运行至少需要一套 Postgres+pgvector
- •依赖 NVIDIA NIM 或兼容端点,需要额外 API Key 与费用
- •项目较新且官方不接受外部 PR,生态与文档仍在完善
💼 典型应用场景
- 1.企业 BI 的对话式查数
- 2.给编码 Agent 提供可信数据上下文
- 3.数据目录与指标口径治理
🔗 资源直达
开发框架· 同类项目推荐
Transformers 165k
Hugging Face 模型加载库 · 五句话加载全球几十万开源模型,AI 开发者的事实标准 API
Promptfoo 25k
提示词与 RAG 测试评估工具 · 给 Prompt 写单元测试:红队测试 + 模型输出评估的开源 CLI
Spring AI Alibaba 11k
Java 生态 AI 应用框架 · 阿里开源 Java 版 LangChain,企业 Java 系统接入大模型的标准姿势
AX
Google AX — 声明式 Agent 编排运行时,11.5K Star Google 官方开源 · Google 开源 Agent 编排运行时(11.5K Star),声明式 YAML 定义任务,K8s 风格管理数十亿 Agent 工作负载
返回全部开源项目指标每周自动更新,数据来自 GitHub API