NVIDIA 开源 Auto Ontology 构建智能体数据语义层Hacker News AIT2·智能体与协同

NVIDIA 开源 Auto Ontology 构建智能体数据语义层

原标题：Nvidia – open-source auto-ontology

78AI 研判分

NVIDIA 发布开源库 Auto Ontology，旨在为企业智能体构建统一的上下文语义层。该工具通过 MCP、CLI 和 API 暴露经过验证的业务定义与数据血缘，解决智能体在查询数据库时因语义歧义导致的准确性问题，支持从元数据自动生成企业本体并持续优化。

报道正文

本文目录5 个章节

Auto Ontology

智能体能够检索文档并查询数据库，但可靠性是制约智能体分析能力的关键瓶颈：如果数据结果错误，那么更快得出的营收指标毫无价值。智能体需要一个上下文层，用于告知它们数据位于何处、其含义是什么、是否应使用、如何使用、来源为何以及相似项有哪些。NVIDIA Auto Ontology 是一个开源库，它基于企业元数据构建该上下文层，协调不同系统间的定义差异，并通过 MCP、CLI 和 API 向任何智能体框架（agent harness）暴露这些信息。它与现有客户已拥有的语义模型形成互补。

它使开发者能够：

发现：从元数据生成企业本体；连接现有的本体和语义模型；构建适用于 AI 的知识图谱。
落地：为智能体提供关于指标、实体和关系的可信业务含义；协调不同系统间不一致的定义。
验证：根据认证定义和数据血缘检查生成的查询；在每次回答中返回数据来源信息。
暴露：通过 MCP、CLI 和 API 向任何智能体框架提供上下文服务。
学习：将认证的修正和使用反馈融入本体，使共享上下文随着每一次提问而不断优化。

基准测试

若要运行诸如 BIRD 这样的文本转 SQL 基准测试，请参考 ontology SQL evaluation repository。

许可与贡献。 Auto Ontology 依据 Apache License 2.0 分发。本项目捆绑、链接或以其他方式使用的第三方开源组件列于 THIRD_PARTY_NOTICES.md。本项目目前不接受外部贡献。

核心特性

结构化数据的自然语言查询 — 问题被转换为 SQL 并在连接的数据库中执行，由 NVIDIA NIM 提供支持。
关系型数据源之上的语义目录 / 本体层，存储在 Postgres 中，与其所描述的目录并存。
身份验证与 RBAC — 使用 Better Auth。
Web UI，支持聊天、分析、数据目录、分析和设置功能。
灵活的部署方式 — 适用于 Kubernetes 的 Helm chart 或用于本地堆栈的 Docker Compose。

软件组件

组件	技术栈	角色	默认端口
前端	Next.js 16 (React 19, TypeScript, Tailwind CSS 4), Better Auth, Prisma	Web UI、身份验证、API 网关	3000
后端	FastAPI (Python 3.12+), LangChain	聊天 / NL-to-SQL、目录、数据源 API	3001
数据摄取工作器	FastAPI (Python 3.12+)	摄取表格数据并写入嵌入向量	3002
Postgres + pgvector	关系型数据库	应用元数据、目录和本体、向量存储	5432
HashiCorp Vault	可选	安全存储连接凭证	—

NVIDIA NIM

Auto Ontology 使用 NVIDIA NIM 端点进行推理——既可以是托管的 NVIDIA API 目录 (integrate.api.nvidia.com)，也可以是自托管的 NIM。.env.example 中的默认配置如下：

LLM: nvidia/nemotron-3-nano-30b-a3b
Embeddings: nvidia/nemotron-3-embed-1b
Reranking: nvidia/llama-nemotron-rerank-vl-1b-v2

端点和模型通过 DEFAULT_MODELS_ENDPOINT、DEFAULT_MODELS_MODEL、EMBED_ENDPOINT 和 EMBED_MODEL 环境变量进行配置，并且需要设置 DEFAULT_MODELS_API_KEY。

模型三元组

每个模型角色由一组三元组环境变量配置——<PREFIX>_ENDPOINT（URL）、<PREFIX>_API_KEY 和 <PREFIX>_MODEL：

前缀	角色
`DEFAULT_MODELS`	共享默认值；以下所有字段均回退到此配置。
`REASONING`	主要聊天 / NL-to-SQL 模型。
`NON_REASONING`	用于实体提取的轻量级模型。
`EMBED`	文本嵌入模型（在摄取和查询之间必须保持一致）。
`RERANK`	检索流程中使用的重排序器。

你可以设置完整的三元组、仅设置其中的部分字段，或者完全不设置——任何未设置的字段都会回退到对应的 DEFAULT_MODELS_<FIELD>。因此，最简单的配置方式是填写 DEFAULT_MODELS_*，并仅在存在差异时覆盖特定于三元组的字段（例如 EMBED_MODEL、NON_REASONING_MODEL）。为了保持向后兼容性，*_API_KEY 也会回退到旧版的 NVIDIA_API_KEY。

（注：更多技术实现细节与完整 API 文档请查阅原项目 README）