【23 Daily 綜合報導】NVIDIA 於 2026 年 11 月 4 日推出 Auto Ontology，一套以 Python 開發的開源框架，旨在建構基於語義與圖譜的推理層，增強資料查詢的確定性、上下文檢索的效率，以及大型語言模型（LLM）與智能代理的可解釋性。根據專案說明，該工具能從企業元資料自動生成本體（ontology），協調多系統間的定義差異，並透過多種介面（MCP、CLI、API）提供給代理或模型使用。
Auto Ontology 的功能與運作機制
Auto Ontology 能夠發現並生成企業本體，連接既有本體及語義模型，打造符合 AI 應用需求的知識圖譜。它幫助系統賦予業務指標、實體與關聯等一致且可信的意義，解決不同系統間定義不一致的問題。針對生成的查詢，框架會驗證其是否符合認證定義和數據來源，並回傳每項答案的來源證明，提高結果的透明度與信任度。
使用者可透過網頁界面、命令列或 API 存取該推理層，並且系統可持續學習並將經過認證的修正或用法回饋至本體中，隨著使用增進共享知識。Auto Ontology 主要依賴 NVIDIA 的 NIM 端點進行推論，包括多款指定的 LLM 及文本嵌入模型。完整部署方案支援 Kubernetes（Helm chart）與 Docker Compose，並搭配 PostgreSQL 及 pgvector 儲存關聯資料與向量。
技術規格與部署細節
系統前端採用基於 React 的 Next.js 框架，並內建網頁身份驗證與 API 網關。後端核心由 Python（FastAPI 框架）及 LangChain 支援，自然語言詢問會被轉譯為 SQL 指令執行。資料攝取則由專用工作程序負責將表格式資料轉換為向量內嵌。資料庫則以 PostgreSQL 結合 pgvector 保存應用元資料及知識本體。
部署時用戶需配置 NVIDIA API 金鑰以使用預設模型，包括 Nemotron 及 LLaMA 相關模型。系統同時提供針對 Microsoft 範例銷售資料庫的示範環境，從部署、載入資料、啟動服務，到執行查詢均有清楚流程與說明。
編輯觀點：企業資料智能化與創業者契機
Auto Ontology 提供了一種結合語義本體與圖譜推理的企業資料管理模式，解決了傳統代理系統因資料來源不明、定義不一而導致的回答不確定性問題。對於希望強化數據查詢準確度及 AI 解釋能力的初創公司及企業，該框架能作為基礎架構，加速建立可信任的語義層。
創業者可透過部署 Auto Ontology，驗證其對現有數據系統的整合度、推理正確率及上下文理解效果，並衡量其在智能代理或客服機器人等場景中的應用價值。實際操作中，建議以內部測試數據集來比對查詢結果與數據真實性，同時評估系統學習與修正能力，這將是判斷該技術能否進入具產業需求的商用階段的關鍵因素。