问“华东收入多少”，AI 却去找一个不存在的字段：英伟达开源的 Auto-Ontology 想补这一课

01“词典”里装了什么

README 把这份词典叫 ontology（本体），说白了是三样东西：业务术语（比如“客户”“发票行”），每个术语配说明、同义词，并对应到具体的表和列；经过人工审核的 SQL 表达式，比如毛利怎么算，AI 以后每次都用同一种算法；表和表之间怎么连接，包括中间桥接表。

它不是替你训练模型，而是作为一个服务，部署在你的数据库旁边。

02从生成到上线，人要在哪一步介入

1. 发现：读取数据库的结构和字段样例，自动起草术语和关系，也可以导入你已有的语义模型。
2. 落地：同一个业务概念只保留一个定义，跨表、跨库对上号。
3. 认证：业务人员在网页界面里检查、改正并确认定义。README 的意思很明确：自动生成的只是初稿，要人来签字。
4. 校验：回答前先判断数据能不能回答这个问题。README 举的例子：库里没有广告花费，问“广告回报率”时，AI 会反问你，不会硬算。
5. 对外提供：通过 MCP、Agent Skill 和 REST API 给各种 AI 助手用。

每个回答会附上用到的 SQL 和推理步骤，方便你对数。MCP 工具是只读的，里面有查术语、检查能否回答、直接提问等几个。

03要准备什么，用之前要想的事

最省事的试用路径是 README 里的 Docker Compose 示例：需要 Docker、uv 和一个 NVIDIA API Key，用微软的 Wide World Importers 示例库跑起来。默认的推理、向量和重排模型都走 NVIDIA 的模型接口，也可以换成自建的 NIM 或兼容 OpenAI 接口的服务。支持 PostgreSQL、MySQL、Snowflake、Databricks、ClickHouse、Trino、DuckDB、SQLite 等十种数据源。

有三点我会先看清。第一，默认配置会把元数据和问题发给你配置的模型接口，涉及敏感数据的话要先自建模型。第二，如果配置了 KumoRFM 的 Key，预测类问题会把连接的表上传到这个托管服务，README 要求先过本组织的数据审查。第三，README 明确说后端的 3001、3002 端口没有自己的认证，应该放在内网，只对外开 3000。另外团队只维护代码，不接受外部 PR。

README 里提到评测仓库 auto-ontology-eval，用 BIRD 等基准对比“塞整个库结构”和“走本体”两种做法，但具体提升数字我没有采用，建议自己的库自己跑。数据库表多、字段名含糊、不同团队口径不一致，是它最可能派上用场的地方。

项目地址：NVIDIA/auto-ontology。