Auto Ontology:让数据 Agent 答不了就拒答

NVIDIA 开源 Auto Ontology,从企业元数据生成由术语、SQL 属性和表关系组成的本体,并存入 PostgreSQL 与 pgvector。拆解它如何为数据 Agent 搭建可认证语义层,给出拒答思路、落地检查项与适用边界。

文章目录

原文:一天一个开源项目(第254篇):NVIDIA Auto Ontology —— 给数据 Agent 搭一层「可认证的语义层」,答不了就老实说答不了

Auto Ontology 是 NVIDIA 开源的 Python 框架:从企业元数据自动生成本体,把术语、SQL 属性与表关系组织起来,存入 PostgreSQL + pgvector。 对数据 Agent 来说,这层本体像一份“语义合同”:先确认企业在说什么、数据如何关联,再判断能否作答。 Agent 直接面对数据库时,最容易出错的往往不是不会写 SQL,而是把不确定的业务含义当成事实:同一指标有不同叫法,同一实体有多条关系,缺少证据时仍给出流畅答案。 现在值得看 Auto Ontology,是因为重点从“生成 SQL”转向了“让答案有据可查”。

这一篇聚焦它的定位、元数据到本体的链路、PostgreSQL 与 pgvector 的分工,以及“答不了就拒答”的可靠性思路。 读完能拿走一张对照表、一套落地检查清单,并判断它解决的是概念歧义,还是能直接保证结果正确。

1、它不是另一层提示词,而是企业的语义地图

1、它不是另一层提示词,而是企业的语义地图(AI 生成示意图)

1、它不是另一层提示词,而是企业的语义地图 · AI 生成示意图

ontology 的核心,不是把企业资料再塞进上下文,而是把业务概念显式化。 术语统一叫法,SQL 属性描述字段语义,表关系交代数据如何连接;Agent 查询的对象也从“长得像的表和列”,变成有定义、有关系约束的对象。

这里别把“可认证”理解成“查询成功就等于答案正确”。 更准确地说,它是让答案能沿术语、属性和关系回溯依据。本体提供语义约束,不替业务结果担保。

2、从企业元数据到可查询本体

2、从企业元数据到可查询本体(AI 生成示意图)

2、从企业元数据到可查询本体 · AI 生成示意图

链路并不绕:企业元数据进入框架,生成术语、SQL 属性与表关系组成的 ontology,最终落到 PostgreSQL + pgvector。 PostgreSQL 承载结构化定义与关系,pgvector 提供向量部分的存储和检索能力。具体表结构与调用接口以原文为准。

下面这段 SQL 只演示承载思路,不是项目的官方表结构;可以在安装 pgvector 的 PostgreSQL 中执行。 它不预设 embedding 维度,避免把演示结构误当成框架契约。

CREATE EXTENSION IF NOT EXISTS vector;

CREATE TABLE IF NOT EXISTS ontology_document (
    id bigserial PRIMARY KEY,
    ontology_key text NOT NULL,
    kind text NOT NULL CHECK (
        kind IN ('term', 'sql_attribute', 'table_relation')
    ),
    content text NOT NULL,
    embedding vector
);

从查询角度,可以把过程理解为“先约束,再召回”:先按术语和表关系缩小范围,再借助向量能力寻找相近语义。 但向量相似不等于业务等价,最终仍要回到定义与关系核对。

3、真正的价值:把拒答变成产品能力

数据 Agent 的可信度,不只体现在答对,也体现在知道自己答不了。 元数据没有对应术语、属性无法对应或关系冲突时,继续生成答案通常比返回“缺少依据”风险更高。

场景 只给原始表结构时的常见风险 接入本体后的建议判断
指标同名 Agent 自行猜测字段 查询术语定义,无法确认就澄清
跨表问题 临时推断连接关系 查询表关系,缺少关系就拒答
元数据缺失 仍然生成流畅答案 返回缺少依据及缺失信息
定义冲突 选择一个定义继续计算 返回冲突,要求确认规则

接入时可以把失败分成概念缺失、关系不足、定义冲突,并返回可追踪原因。 用户看到的不是一句生硬的“不知道”,而是清楚该补哪项元数据、确认哪条规则。

拒答不是终止对话,而是把错误前置暴露给数据治理流程。 这就是“答不了就老实说答不了”的工程价值。

4、落地前先检查四件事

  1. 元数据质量 术语是否唯一,属性是否真能映射到 SQL,表关系是否与实际模型一致。
  2. 来源与版本 每个概念能否指回来源,元数据变化后能否定位并更新对应本体。
  3. 权限边界 语义层通常会暴露业务定义,部署时仍要结合现有访问控制;“能检索”不等于“能查看全部数据”。
  4. 拒答与验收 除回答是否正确,还要测试缺术语、缺关系、定义冲突时是否稳定拒答,拒答原因是否清楚。

验收时别只看一条漂亮回答,还要追问:依据来自哪里?能否回到本体?元数据更新前后是否可复现?

写在最后

  • Auto Ontology 补的是企业数据的统一语义,而不是更长的提示词。
  • PostgreSQL + pgvector 提供基础,真实效果仍取决于元数据与权限治理。
  • 它最值得落地的地方,是让 Agent 在证据不足时明确拒答。
  • 我的判断: 多表、口径混乱的数据 Agent 场景值得试;简单查询通常无需这层复杂度。

相关阅读

想把这套流程装到自己服务器上?阿凡达提供一次性的私有化部署与出海模型接入服务,说明与报价见站内服务页:查看技术服务。

文中链接

整理自本文的外部链接,请以来源页面说明为准。

Auto Ontology:让数据 Agent 答不了就拒答 · 阿凡达博客