NVIDIA 发布 Auto Ontology 开源语义层，为 AI 智能体 SQL 提供业务语义依据
NVIDIA 发布 Apache 2.0 许可的开源语义层 Auto Ontology，从企业元数据生成上下文层，让智能体依据经认证的业务定义编写 SQL，并通过 MCP、CLI 与 API 对外提供上下文。官方称其自测中本体创建时间缩短 90%，但尚未公布 text-to-SQL 准确率结果。
核心事实
NVIDIA 发布了 Auto Ontology，一个以 Apache 2.0 许可证开源的语义层框架。据 MarkTechPost 报道，该框架从企业元数据构建上下文层，智能体借助这一层，依据经认证的业务定义编写 SQL。其功能可概括为五项：从元数据生成本体并接入既有语义模型；为指标、实体与关系提供可信含义；依据认证定义与血缘校验生成的查询；通过 MCP、CLI 和 API 暴露上下文；将经认证的修正回流到本体中。默认模型为 nvidia/nemotron-3-nano-30b-a3b，配合 Nemotron 的嵌入与重排模型，也可接入任何兼容 OpenAI 的端点。
背景与影响
该项目的出发点在于：一个快速的营收答案，如果数字是错的就毫无价值。Auto Ontology 因此选择不提供浏览原始 schema 的工具，让智能体只能经由语义层访问数据。部署方面，本地可用 Docker Compose，Kubernetes 可用 Helm chart，推理走托管的 NVIDIA NIM 端点或自托管 NIM。NVIDIA 同时发布了独立的评测工具 auto-ontology-eval，内置 BIRD Dev、Mini-Dev、FDABench-Lite 与 BEAVER 等数据集，采用确定性执行匹配打分。
限制与来源
NVIDIA 自述在其自身测试中本体创建时间缩短了 90%，但该数据为自报，且目前没有公布 text-to-SQL 准确率分数，评测仓库提供的是测试框架而非结果。评测工具仓库还说明两点局限：可选的少样本示例与值锚点只进入本体组，由此测得的差值涵盖这些输入而非仅反映 grounding；其测试配置中两组均经由 NVIDIA 推理网关上的 Claude 模型。NVIDIA 开发者页面将该输出定位为起始本体，仍需业务专家测试、细化与认证。具体功能、部署方式与许可条款请以官网及仓库当前信息为准。来源：MarkTechPost。