首页/AI 开源项目/NVIDIA Auto Ontology
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
返回全部开源项目指标每周自动更新,数据来自 GitHub API