答得快不如答得准：先给智能体一套经认证的数据定义
来源：GitHub — 2026-11-06 · ⭐ 6,851 stars · Python
📋 概述
Auto Ontology 是 NVIDIA 开源的上下文层库，从企业元数据里生成本体：业务术语对应哪些列、指标用哪段审核过的 SQL、表和表之间怎么连。这份定义通过 MCP、命令行与 REST 接口交给任意智能体框架，让查询生成有据可依，每个答案都带出处。
🔑 核心要点
- 能从数据库元数据自动生成本体，也能接入已有的语义模型与知识图谱，不必推倒重来。
- 生成的查询先对着认证过的定义与血缘做校验，答案附上所用 SQL 和数据来源。
- 工具只返回问题涉及的术语和表，不把整个 schema 塞进上下文窗口。
- 人工校正过的口径会回灌进本体，同一个问题下次回答更准。
💡 金句
a revenue metric answered faster is worth nothing if the number is wrong.
👍 0
👎 0
← 返回 GitHub Trending 首页