2026 年 11 月 1 日，NVIDIA 在 GitHub 上放出 Auto Ontology，采用 Apache 2.0 许可，定位是企业元数据之上的语义层框架。智能体通过这一层去写 SQL，拿到的是经过认证的业务口径，而不是直接猜字段。这个项目的默认大模型是 nvidia/nemotron-3-nano-30b-a3b，配合 Nemotron 的嵌入与重排模型，同样出自英伟达自研的 Nemotron 家族。
9 个只读工具与 87 个操作
MCP 服务端对外暴露 9 个只读工具，ask_question 会把答案、SQL 和数据行分成三个字段返回，单次结果上限 100 行。check_readiness 用来确认语义层已经编译完成且数据库连接可用。服务端刻意不提供浏览原始表结构的工具，逼着智能体走语义层这条唯一路径。底层 OpenAPI 规范共发布 87 个操作，登录走 OAuth，每次调用都带上当前登录用户的权限。
整套栈由 4 个核心服务组成。Next.js 16 前端负责界面与认证，跑在 3000 端口，FastAPI 后端配 LangChain 提供对话、文本转 SQL 与目录接口，端口 3001，摄取服务负责写入向量，端口 3002，数据落在带 pgvector 的 Postgres 里。可接入的数据源包括 Databricks、Postgres、Snowflake 与 DuckDB，任意 OpenAI 兼容端点都能接上。
90% 与 0 分
官方给出的亮点是本体生成时间减少 90%，这个数字出自英伟达自己的测试。同期的短板同样写在文档里，公开的文本转 SQL 准确率一个都没有，评测仓库 auto-ontology-eval 给出的只是测试框架而不是结果。框架内置数据集包括 BIRD Dev 的 1534 道题与 11 个数据库，Mini-Dev 的 500 道题，FDABench-Lite 额外 169 道题，BEAVER 默认取 100 题样本。跑分方式是确定性的执行结果比对，不使用大模型裁判。英伟达同期的 Nemotron 转写路线也在推进，可以对照 Nemotron 3.5 Transcribe 的 40 语种进展 一起看。
延伸阅读
- MiniMax M3.1 Flash 拿下 Agent 第一：智能指数 43 分2 周前
- Meta 收购数据分析平台 Sundial 7 月刚设首席数据官1 周前
- 微软开源 Mage 多模态模型家族：4B 参数含 Mage-VL 与 Mage-Flow，视觉 Token 减少 75%1 月前
- Ling-3.0-flash-VL 开源：124B 参数仅激活 5.5B，256K 上下文原生多模态1 月前
继续读
同一批更新里这几篇值得一看：
- 卡帕西两小时复刻 YouTube：6454 个 HN 推荐视频成站2026-11-02
- 《我的世界》测 50 个 GPT-6.1 智能体：三小时未建文明2026-11-02
- qwenGPU 把 45 层 GPU 编进 Qwen3.5-2B：49 kernel 全对2026-11-02
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记