orders.amount下單金額？一下單就算，後來取消的也在裡面。invoices.total發票金額？開了票才算，可能含稅。shipments.value出貨金額？出了貨才算，退貨要另外扣。從 metadata 自動產生 ontology；也能接既有的語意模型。
給 AI 可信的業務定義：指標、實體、關聯。
用已認證的定義檢查 AI 寫的查詢，答案附出處。
透過 MCP、CLI、API 給各種 agent 使用。
把認證過的修正寫回 ontology，越用越準。
業務概念，例如「客戶」「發票明細」。每個名詞有說明、同義詞，並對到實際存放的欄位。
invoicelines.extendedprice（官方範例）人審過的 SQL 寫法，例如毛利、移動加總。AI 直接重用，同一個指標每次都用同一種算法。
表跟表怎麼接，包括中間的對照表（bridge table）。從主鍵、外鍵和資料本身推斷。
問：2015 年 6 月，賓州的「USB 壽司捲隨身碟」營收多少？ 答：$588.80，來自 3 筆發票明細 SQL：SELECT SUM(il.extendedprice) ... JOIN 發票、品項、客戶、城市、州 共 5 次 步驟：解析名詞 → 決定 join 路徑 → 驗證篩選值 → 執行
問：那這支隨身碟 2015 年 6 月的廣告投報率？ Agent：check_answerable → coverage 0.5 沒有任何名詞涵蓋「廣告費」 Agent：我查得到營收，但這份資料沒有廣告費， 算不出廣告投報率。要改查 6 月營收， 還是廣告費在別的資料來源、需要接進來？
check_answerable 會誤拒「點名特定值」的可答問題（#461）；資料裡沒有答案時，驗證器會一直重試到上限才放棄（#462）。唯讀工具 9 個，例如 ask_question、check_answerable、get_term_columns。每人登入後，用自己的權限執行。
3 個 skill：安裝連線（setup）、檢視建模與認證發佈（management）、提問並驗證 SQL（query）。
POST /api/chat/completions，用 API token 呼叫，串流回傳答案與 SQL；其他操作有 OpenAPI 規格。
對話、資料目錄、分析、設定；可看語意關聯圖、匯出 CSV、看圖表。
PostgreSQL、MySQL、Databricks、Snowflake、ClickHouse、Trino、Apache Kyuubi、HeavyDB、DuckDB、SQLite。
Better Auth 登入與角色權限，可設 SSO；連線密碼可選用 HashiCorp Vault 保管。
相容語意模型交換標準 Apache Ossie，可用 YAML 匯入、匯出模型定義。
本機用 Docker Compose；正式環境官方建議 Helm（Kubernetes）。NGC 上有簽章容器 1.2.0。
git clone https://github.com/NVIDIA/auto-ontology.git && cd auto-ontology cp .env.example .env
在 .env 填入 API key、AUTH_SECRET，並把每一組預設密碼換掉。
docker compose up -d --wait postgres git clone https://github.com/NVIDIA/auto-ontology-eval.git ../auto-ontology-eval # 再用 auto-ontology-eval 的 seed_wwi.py 灌入 # Wide World Importers（完整指令見 README）
docker compose up -d --build
Settings → Semantic Compilation 打開，等到出現「Semantic compilation is ready」。
AUTO_ONTOLOGY_API_URL=http://localhost:3000 \ uvx --from "git+https://github.com/NVIDIA/auto-ontology.git#subdirectory=mcp" auto-ontology-mcp
事實預設用 build.nvidia.com 託管的 NIM；可改自架或任何 OpenAI 相容端點。
推論建 ontology 時模型要讀欄位與範例值，用雲端就會送出去。
事實設了 KUMO_RFM_API_KEY，agent 會把資料表上傳到 KumoRFM 託管服務（預設最多 20 張）；官方要求先做資料審查。
事實3001、3002 要放私有網路：後端信任前端轉來的身分，ingestion 端點本身沒有驗證。
事實MCP 不會修改定義或資料庫；要改定義，走 management skill 的核准流程。
ontology 等於把「這個數字誰說了算」寫下來。每個名詞、每條算式，都要有業務單位負責認證。
這一層就只是AI 自己打的草稿——看起來很完整，但沒有人為它負責。
每個數字寫下：正確算法是什麼、現在是誰在算、用哪一份報表。
「營收」「有效客戶」「出貨量」各對到哪張表、哪一欄；含不含稅、扣不扣退貨。這張表沒有 AI 也用得到。
先跑 Quickstart 的 Wide World Importers，熟悉「產生 → 認證 → 回答」，不要一開始就接正式資料。
你的資料庫在不在 10 種清單裡？模型要用雲端還是自架？用唯讀帳號連線。
業務單位負責定義與簽核，IT 負責連線與權限。沒有認證人，就先不要上線。
| 網路說法 | 查證結果 | 判定 |
|---|---|---|
| 「上線不到一週就衝到 7k 星」 | 截至 2026-11-09 23:00（台北）為 10,862 stars、886 forks。repo 建立於 2026-04-28（台北），NVIDIA 官方部落格 2026-10-21 介紹。查不到公開日期，「不到一週」無法證實。 | 不採用 星數為快照 |
| NVIDIA 開源，Apache-2.0 | GitHub NVIDIA/auto-ontology，授權為 Apache-2.0；目前版本 1.2.0 | 事實 |
| 從 metadata 自動產生，人在 Web UI 審核 | README：產生 → 人認證（certify）→ 回答 | 事實 |
| 提供 MCP Server、Agent Skill、REST API | 三種接法 README 皆有；MCP 為唯讀 | 事實 |
| 答不出來會反問，不會亂猜 | 有 check_answerable 與「答不了」回報；但有誤拒、重試的 issue（#461、#462） | 部分成立 |
| 建置 ontology 時間省 90% | NVIDIA Developer 頁面：「in NVIDIA testing」 | 弱證據 廠商自測 |