SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

NVIDIA udostępnia Auto Ontology, słownik firmowych danych dla agentów AI

NVIDIA wydała Auto Ontology, otwartą bibliotekę w Pythonie na licencji Apache 2.0, która buduje dla agentów AI słownik firmowych danych: wskazuje, która tabela z przychodem jest obowiązująca i jak liczyć daną miarę. Agent dostaje ten kontekst przez serwer MCP, a wygenerowane przez model zapytania SQL mają być sprawdzane z zatwierdzonymi definicjami. W opisie projektu brakuje jednak wyników i informacji, kto certyfikuje definicje, a hasła do baz domyślnie trafiają do Postgresa jawnym tekstem, więc przed podłączeniem produkcji warto uruchomić test BIRD na własnych danych.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  4 min  · 

NVIDIA udostępnia Auto Ontology, słownik firmowych danych dla agentów AI
Ilustrację przygotowała AI.

Agent analityczny zamieni pytanie "ile zarobiliśmy w zeszłym kwartale" na zapytanie SQL w kilka sekund. Kłopot zaczyna się wtedy, gdy w firmie istnieją trzy tabele z przychodem, dwie definicje "aktywnego klienta" i nikt nie powiedział modelowi, która jest obowiązująca. NVIDIA otwiera opis swojej nowej biblioteki Auto Ontology właśnie tym problemem: przychód podany szybciej nic nie jest wart, jeśli liczba jest błędna.

Auto Ontology to otwarta biblioteka w Pythonie na licencji Apache 2.0, która ma stać między agentem a firmowymi bazami danych. Projekt nie przyjmuje jednak zewnętrznych pull requestów, więc "open source" oznacza tu kod do wglądu i do forka, a nie wspólny rozwój. Moim zdaniem pomysł jest trafny, ale README pokazuje głównie architekturę, a nie dowód, że agent rzeczywiście myli się rzadziej. Zaufanie nie znika, tylko przenosi się z modelu do słownika pojęć, który ktoś musi zbudować i pilnować.

Słownik pojęć, którego agent ma się trzymać

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

WrenAI każe spisać reguły firmy, zanim agent napisze SQL
Premiera / Narzędzie

WrenAI każe spisać reguły firmy, zanim agent napisze SQL

4 min

Canner wypuścił na licencji Apache 2.0 otwarte narzędzie WrenAI, które generuje SQL z pytań zadanych po ludzku na ponad 20 źródłach danych, od Postgresa po Snowflake i BigQuery. Nowość nie leży w samej zamianie pytania na zapytanie, tylko w tym, że Wren każe wcześniej spisać reguły firmy w wersjonowanej warstwie kontekstu: model semantyczny w formacie MDL, definicje biznesowe i pamięć sprawdzonych zapytań. Doczepia się do agenta, jak Claude Code czy Cursor, jednym poleceniem npx. Wartość jest w nadzorze i zwraca się dopiero, gdy zespół zainwestuje w utrzymanie tego kontekstu.

Co naprawdę dostaje deweloper od NVIDIA Agent Toolkit, gdy odłożyć marketing zaufania na bok
Premiera / Narzędzie

Co naprawdę dostaje deweloper od NVIDIA Agent Toolkit, gdy odłożyć marketing zaufania na bok

4 min

NVIDIA ogłosiła 23 czerwca Agent Toolkit, ale jedyną rzeczą, którą deweloper może dziś naprawdę dotknąć, jest instrukcja postawienia agenta badawczego AI-Q 2.0 na Oracle Cloud Infrastructure. Dostajesz trzy warstwy w jednym pudełku: modele Nemotron jako rozumowanie, gotowe reguły bezpieczeństwa i piaskownicę odcinającą kod agenta od reszty. Terraform stawia infrastrukturę, Helm wgrywa backend, interfejs i bazę, a całość rusza w jakieś pół godziny. Cena za wygodę to przywiązanie do chmury, modeli i klucza NVIDIA, a reszta komunikatów to na razie deklaracje producenta, nie zweryfikowane wyniki.

NVIDIA pokazuje, jak wpuścić asystenta AI do wrażliwego kodu, nie oddając mu kontroli
Poradnik / Praktyka

NVIDIA pokazuje, jak wpuścić asystenta AI do wrażliwego kodu, nie oddając mu kontroli

4 min

NVIDIA pokazuje, jak wpuścić asystenta AI do wrażliwego kodu, nie oddając mu kontroli: model tylko podpowiada, a pilnowanie zasad, skanowanie zależności i pomiar żyją poza nim, w systemach, którym zespoły już ufają. Na własnych kartach stoi StarCoder2 o 7 miliardach parametrów w kontenerze udającym API OpenAI, NeMo Guardrails odrzuca ryzykowne zapytania, a bramka w CI wyłapuje slopsquatting, czyli wymyślone przez model nazwy paczek. Zastrzeżenie jest poważne: to przepis, nie wynik, bez ani jednej liczby, a robotę nie tyle zdejmuje z zespołu, ile przesuwa na pisanie i utrzymanie reguł.