Auto Ontology

Auto Ontology（NVIDIA Auto Ontology）是 NVIDIA 开源的企业语义层 / 本体框架，用于给 LLM 与智能体补上“数据到底是什么意思”的上下文。仓库：https://github.com/NVIDIA/auto-ontology ；亦属于 NVIDIA Agent Knowledge Foundation 工具集。

核心能力（官方）：

• Discover：从元数据生成企业本体，接入已有语义模型，构建知识图谱；
• Ground：为指标、实体、关系提供经认证的业务含义；
• Validate：对照认证定义与血缘校验生成的 SQL，返回答案附带来源；
• Expose：经 MCP、CLI、API 只读暴露给任意智能体运行时；
• Learn：把人工校正与使用反馈折回本体。

部署可用 Docker Compose 或 Kubernetes Helm；默认推理可走 NVIDIA NIM（如 nemotron-3-nano 等）。MarkTechPost 等在 2026-11-01 前后有报道；本扫描窗口（11-06 08:32–12:32 北京时间）其仓库冲上 GitHub Trending 日榜第一，单日增星约 2.6k。

解决什么问题

智能体已经会查库、会检索文档，但“收入”在不同系统定义不一致时，答得再快也可能是错的。Auto Ontology 把经业务专家认证的定义放在智能体与数仓之间。

定位

它补充而非取代 dbt语义层、Cube、AtScale 等既有语义模型；强调 MCP 即插即用与 NIM 集成，面向 Agent Toolkit / 企业智能体落地。

局限

• 公开 text-to-SQL 准确率数字较少，评测需自跑；
• 仓库注明暂不接受外部贡献；
• 开源宣传早于本窗口，但本窗口才出现雷达级病毒式传播，故补录。

适合谁

• 给企业智能体做 Text-to-SQL / 分析问答、需要可解释血缘的数据与平台团队；
• 已有语义模型、想用 MCP 暴露给 Claude/Cursor 等智能体的团队；
• 使用 NVIDIA NIM / Agent Toolkit 的客户。

如何上手

1. 阅读 https://github.com/NVIDIA/auto-ontology README；
2. 用 Docker Compose 起本地栈，导入元数据并生成初版本体；
3. 业务专家在 UI 中认证术语后，经 MCP 接到你的智能体；
4. 用 ask_question / check_answerable 等工具做受约束问答，并核对返回的 SQL 与 provenance。