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
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
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
- 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。
- 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。
- 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”。
- 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。