NVIDIA/auto-ontology

Auto Ontology is a Python framework for building semantic, graph-based reasoning layers over data. It enables deterministic query generation, better context retrieval, and more explainable AI for LLM and agent workflows.

解决的问题

代理可以检索文档和查询数据库,但可靠性是代理分析的门槛:如果数字是错误的,更快回答的收入指标毫无价值。代理需要一个上下文层,告诉它们数据在哪里、意味着什么、是否使用、如何使用、来自哪里以及什么是相似的。Auto Ontology 从企业元数据构建该层,协调跨系统的不一致定义,并通过 MCP、CLI 和 API 将其暴露给任何代理框架。它补充了客户已有的语义模型。

工作原理

Auto Ontology 分两个阶段工作:它生成一个由人员认证的本体,然后代理从中回答问题。

生成。 摄取服务从源数据库读取表、列、键、视图和查询历史,将它们嵌入 pgvector,并使用模型来剖析值、查找外键、命名业务术语和建议 SQL 属性。它将模式的副本分组为术语族,当数据确认时链接外键,并生成草稿本体。人员在 UI 或通过 API 中完善和认证术语、描述和 SQL 属性。结果是一个具有三种定义的语义图:术语(映射到列的业务概念)、SQL 属性(经过审查并一致复用的 SQL 表达式)和关系(表如何连接)。

回答。 对于每个问题,代理分类意图,通过嵌入搜索检索候选术语和列,从本体的语义外键计算连接路径(不涉及模型),使用推理模型编写 SQL,然后通过静态检查和模型评判器检查和修复它。答案连同其 SQL、采取的步骤和溯源一起返回,以便用户验证。如果无法构建有效的查询,代理会报告该问题无法从这些数据回答。

系统作为堆栈运行:Next.js 前端(Web UI、认证、API 网关)、FastAPI 后端(文本到 SQL 代理、目录 API)、摄取工作器、用于存储的 Postgres+pgvector、可选的用于凭据的 HashiCorp Vault,以及一个基于 FastMCP 的 MCP 服务器,向任何 MCP 客户端暴露只读工具。模型通过环境变量三元组(端点、API 密钥、模型)配置,并默认使用 NVIDIA NIM 端点。

适用对象

  • 在企业数据库上构建代理分析或聊天界面的开发者。
  • 希望跨系统标准化业务定义和查询逻辑的数据团队。
  • 已有语义模型或希望采用 Apache Ossie 进行交换的团队。
  • 任何需要可靠、有溯源支持的结构化数据自然语言问答的人。

亮点

  • 结构化数据的自然语言查询,转换为 SQL 并针对连接的数据库执行。
  • 从元数据自动生成本体,并有人工参与的认证。
  • 跨系统不一致定义的协调。
  • 根据认证定义和谱系验证生成的查询;答案包含溯源。
  • 通过 MCP、CLI 和 API 暴露给任何代理框架。
  • 用于聊天、分析、数据目录、分析和设置的 Web UI。
  • 使用 Helm(Kubernetes)或 Docker Compose 灵活部署。
  • 与 Apache Ossie 兼容,可将语义模型作为 YAML 导入/导出。
  • 通过三元组配置模型并带有回退,支持 NVIDIA NIM 或 OpenAI 兼容端点。
  • 可选的 PII 检测、通过 KumoRFM 的预测查询,以及 Vault 中的连接凭据存储。

相关

  • 项目
  • 项目
  • Dispatch
  • 项目
  • 项目