auto ontology 是 nvidia 开源的数据语义层和问答工具。它把数据库的表和列映射到业务术语，再根据这些定义生成并执行 sql，适合让数据团队和 ai agent 用自然语言查询结构化数据。
Auto Ontology 解决什么问题？
它把字段定义、指标口径、表关联规则全部统一放到同一套模型里，后续所有查询都能直接复用这套规则。拿销售库举例子，要查某款产品的营收，以前得先确认营收对应哪个金额字段、产品数据从哪张表取、地区维度要走哪条关联规则才能匹配上。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
术语、SQL 属性和关系如何配合？
术语标注每个业务概念对应的实际数据库字段，SQL 属性明确每个指标的具体计算规则，关系定义查询时表和表之间的连接逻辑。查看单个订单术语的时候，先通读描述，再核对映射列和相关术语是不是和现有数据字典匹配。
从导入数据库到回答问题经历什么？
导入阶段工具会自动读取表结构和列信息，生成一份可人工审核的术语和关系草稿。审核的时候可以拿团队已经知道标准答案的问题先做测试，再逐步修订口径和映射规则。到实际问答环节，系统会检索匹配到的相关定义，生成SQL并展示执行结果。
用一条营收问题验收语义模型
挑一个已经有现成统计结果的商品、地区和月份组合做测试，核对生成SQL里的金额列、连接键和时间范围是否正确。如果返回的金额和预期不符，先确认是不是漏了筛选条件，或者表关联之后出现了发票行重复计算的问题。
数据缺失时先查覆盖范围
如果源库没有存储广告支出相关数据，就没法直接从销售额算出广告回报率。先检查当前的数据源覆盖范围和已有的术语定义，再决定是补接广告数据，还是把问题调整成当前数据可验证的营收查询。
