一句话看懂：英伟达开源了 Auto Ontology，一个夹在 AI Agent 与数据库之间的语义层，让 Agent 按业务定义取数，而不是猜表名；但关键性能数据目前只有厂商自述，尚无公开基线。
事件核心：发生了什么
根据开发者 Gul Saeed Khattak（@Ldataengineer）2026 年 11 月 3 日的推文，英伟达已在 GitHub 开源 Auto Ontology。它读取数据库元数据，草拟一份业务术语图谱，例如“活跃客户”对应哪些字段；Agent 通过 MCP、CLI 或 API 访问该层，生成 SQL 后再对照认证定义做校验，修正结果可回流图谱。项目采用 Apache 2.0 许可，支持 Docker Compose 和 Helm 部署，覆盖 Databricks、Postgres、Snowflake 与 DuckDB，默认使用英伟达 Nemotron 模型，也接受任意 OpenAI 兼容端点。推文称其 MCP 服务只开放 9 个只读工具，刻意不提供直接浏览原始表的入口。
为什么重要
AI 数据分析的真正难点往往不是写 SQL，而是各方对“收入”“活跃客户”这类词的理解不一致。Auto Ontology 试图把口径定义变成 Agent 可调用的基础设施，与手写语义层的 Cube、dbt MetricFlow，以及 Wren AI、Snowflake 的 Semantic View Autopilot 属于同一方向。差异点在于开源、跨四类数据库、并以 MCP 面向 Agent。不过需注意，以上均来自发帖者转述，不代表英伟达官方完整说明。
对用户/开发者/创作者的影响
对开发者，MCP 接入和只读工具设计便于审计——提问后能看到答案、执行的 SQL 和返回行。对数据团队，若已有 Databricks 或 Snowflake 体系，可先小范围验证术语映射是否准确。对企业采购，目前公开信息显示项目仍很年轻，推文提到约 750 个 GitHub Star，且英伟达暂不接受外部贡献；未配置 HashiCorp Vault 时，数据库密码在 Postgres 中明文存储。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是英伟达是否公布“快 90%”说法的基线；二是其自带评测框架（BIRD，1534 题）是否发布实际准确率——推文称该框架测试使用 Claude Opus 4.8 而非 Nemotron；三是是否开放社区贡献、补齐密钥管理，并扩展数据库支持。
