重塑智能体数据可靠性
智能体虽能检索文档与查询数据库，但数据数值的准确性仍是其分析能力的核心门槛。若底层数据有误，响应速度再快也毫无意义。为此，智能体亟需一个“上下文层”，以明确数据的位置、含义、适用性、来源及关联内容。
NVIDIA Auto Ontology 应运而生。这是一个基于企业元数据构建上下文层的开源库，旨在协调跨系统的数据定义，并通过 MCP、CLI 和 API 向任意智能体框架开放能力。它并非替代方案，而是对客户现有语义模型的有力补充。
核心能力闭环
Auto Ontology 为开发人员提供了一套完整的工作流：
- 发现（Discover）：从元数据自动生成企业本体，连接既有本体与语义模型，构建面向 AI 的知识图谱。
- 落地（Ground）：赋予智能体对指标、实体和关系的可信业务理解，消除跨系统定义的不一致。
- 验证（Validate）：将生成的查询与认证定义及血缘关系比对，并在每次回答中返回溯源信息。
- 暴露（Expose）：通过 MCP、CLI 和 API 标准化输出服务，兼容各类智能体框架。
- 学习（Learn）：将认证的修正及使用反馈回流至本体，使共享上下文随交互次数增加而持续进化。
技术架构与组件
该工具支持结构化数据的自然语言查询，问题经 NVIDIA NIM 处理后转换为 SQL 并在数据库中执行。其语义目录/本体层存储在 Postgres 中，与应用元数据共存。安全方面，采用 Better Auth 实现身份验证与基于角色的访问控制（RBAC）。
主要软件组件如下：
- 前端：基于 Next.js 16 (React 19, TypeScript, Tailwind CSS 4)，负责 Web UI、身份验证及 API 网关，默认端口 3000。
- 后端：采用 FastAPI (Python 3.12+) 与 LangChain，处理聊天、NL-to-SQL 及数据源 API，默认端口 3001。
- 摄取工作进程：基于 FastAPI，负责表格数据摄取及嵌入向量写入，默认端口 3002。
- 数据存储：Postgres + pgvector，用于存储应用元数据、目录、本体及向量数据，默认端口 5432。
- 凭据管理：可选集成 HashiCorp Vault，用于安全存储连接凭据。
模型配置与推理
Auto Ontology 依赖 NVIDIA NIM 端点进行推理，支持托管版 NVIDIA API 目录或自托管 NIM。默认模型配置包括：
- LLM：
nvidia/nemotron-3-nano-30b-a3b - Embeddings：
nvidia/nemotron-3-embed-1b - Reranking：
nvidia/llama-nemotron-rerank-vl-1b-v2
系统通过环境变量配置模型三元组（Endpoint、API Key、Model）。支持为不同角色（如推理、非推理、嵌入、重排序）设置独立配置，未设置字段将回退至 DEFAULT_MODELS 全局默认值。
部署与连接管理
前置条件：需安装 Docker 及 Docker Compose v2，获取 NVIDIA API 密钥，并准备源数据库（Databricks、Postgres、Snowflake 或 DuckDB）连接详情。
本地部署：通过 Docker Compose 快速启动。克隆仓库后，复制并编辑 .env 文件，务必配置 AUTH_SECRET 和 APP_URL，否则会导致身份验证失败。执行 docker compose up -d --build 即可构建镜像并启动服务栈。
连接安全：源数据库连接可通过 UI 添加或环境变量配置。若未集成 Vault，连接凭据将以明文形式存储于 Postgres；启用 Vault 后，凭据将被加密存储，数据库中仅保留引用键。
API 与智能体集成
对于脚本化任务，用户可生成 API 令牌。令牌通过 x-api-key 头传输，权限继承自所有者，且撤销即时生效。智能体可通过 POST /api/chat/completions 接口进行对话，支持 SSE 流式响应及基于 conversation_id 的多轮上下文管理。
此外，Auto Ontology 提供 MCP 服务器，允许 Claude Desktop 等智能体框架直接查询企业数据。
许可与贡献政策
Auto Ontology 基于 Apache License 2.0 开源。需注意的是，该项目目前不接受外部贡献，来自维护团队之外的 Issue 或 Pull Request 将不会被审查或合并。安全相关问题请遵循官方安全指南报告。