L'alternativa a NVIDIA Auto-Ontology con verifica simbolica
Auto-Ontology controlla l'SQL di un modello con altre chiamate al modello. In SynaLemma un verificatore simbolico dimostra ogni regola ben formata, sicura e che termina prima che giri qualsiasi SQL.
SynaLemma vs Auto-Ontology: differenze principali
-
Ogni regola dimostrata prima dell'esecuzione
In Auto-Ontology, modelli linguistici controllano e correggono l'SQL scritto da un altro modello. Un verificatore simbolico dimostra che ogni regola è ben formata, sicura e termina, e rifiuta una regola non valida con il motivo, prima che venga eseguito qualsiasi SQL. Asserzioni del primo ordine restituiscono le righe che le violano.
-
Stessa regola, stesso SQL
In Auto-Ontology, un modello scrive l'SQL per ogni domanda. In SynaLemma l'agente non scrive mai SQL: il motore lo compila a partire dalla regola, quindi una regola dà sempre lo stesso SQL. Ogni numero cita la sua regola, che il vostro team può leggere, correggere o bloccare.
-
Ragiona il motore, non il modello
Auto-Ontology non documenta alcun motore di regole: join e totali sono qualunque SQL scriva il modello. In SynaLemma il modello traduce la domanda in una regola, e il motore Synalog calcola ogni join, ricorsione e totale, fino a una profondità dichiarata, con terminazione verificata, compilando in SQL.
-
Una definizione per termine
Ogni termine aziendale è definito una volta, come concetto o regola sulle vostre tabelle, e ogni persona e ogni agente usa quella definizione. Le definizioni si costruiscono l'una sull'altra invece di essere ripetute.
-
Ogni accesso delimitato, ogni modifica registrata
L'agente non può aggirare il layer: non scrive SQL, l'SQL grezzo viene rifiutato prima dell'esecuzione, e agisce solo con i permessi della persona che chiede. Ogni modifica a una definizione è un commit git con il suo autore, verificabile e reversibile.
-
Sovrano per costruzione, non per contratto
Dati, regole e modello restano sulla vostra infrastruttura. Il motore compila l'SQL, quindi basta un piccolo modello aperto, senza costi per token. Il motore Synalog è open source, con licenza Apache-2.0.
Esempio: un'asserzione che rileva un cliente mancante
Il fatturato per cliente, con tre asserzioni. Il cliente 12 manca dalla tabella dei clienti; il motore indica la riga.
Order(order_id:, customer_id:, amount:, status:) :- orders(order_id:, customer_id:, amount:, status:);
Customer(customer_id:, country:) :- customers(customer_id:, country:);
@Assert(Revenue,
one_row_per_customer: "∀ c r s, Revenue c r → Revenue c s → r = s",
known_customer: "∀ c r, Revenue c r → ∃ k, Customer c k",
positive: "∀ c, Revenue c > 0");
Revenue(customer_id:, revenue? += amount) distinct :-
Order(customer_id:, amount:, status: "delivered"); SynaLemma vs NVIDIA Auto-Ontology in sintesi
| Criterio | SynaLemma | NVIDIA Auto-Ontology |
|---|---|---|
| Semantico: una definizione per termine | Definizioni che si basano l'una sull'altra: ogni termine aziendale definito una volta, come regola sulle vostre tabelle, riutilizzato da ogni persona e ogni agente | Termini, attributi SQL e relazioni redatti da un modello, certificati da persone |
| Ragionamento: chi calcola join, ricorsione, totali | Il motore, non il modello: Synalog calcola ogni join e ricorsione, fino a una profondità dichiarata, compilati in SQL | Un modello scrive l'SQL dai termini recuperati; nessun motore di regole documentato |
| Verificato: cosa si controlla prima che una regola giri | Ogni regola dimostrata ben formata, sicura e che termina; asserzioni del primo ordine restituiscono le righe che le violano | Chiamate al modello controllano i valori dei filtri e la query, correggendo l'SQL in caso di errore |
| Deterministico: stessa regola, stesso SQL | Mai generato a ogni domanda: SQL compilato dal motore a partire dalla regola; definizioni riutilizzate e bloccabili | SQL scritto da un modello a ogni domanda; attributi SQL certificati riutilizzati |
| Governato: controllo di accessi e modifiche | L'agente non può aggirare il layer: nessun SQL scritto, SQL grezzo rifiutato, solo il ruolo di chi chiede; ogni modifica è un commit git | Accesso con Better Auth e RBAC; gli strumenti MCP girano con i permessi di ogni utente |
| Modello linguistico | Quello che scegliete voi: basta un piccolo modello aperto, senza costi per token | Modelli Nemotron, tramite l'API ospitata di NVIDIA per impostazione predefinita, o qualsiasi endpoint compatibile con OpenAI |
| Deployment | On-premise, sulla vostra infrastruttura | Self-hosted: un chart Helm su Kubernetes, o Docker Compose |
| Linguaggio delle definizioni | Synalog, un linguaggio logico open source con un compilatore | Termini, corrispondenze di colonne ed espressioni SQL, salvati in Postgres e pgvector |
| Database | PostgreSQL, BigQuery, Databricks, Trino, Presto, DuckDB, SQLite | Dieci motori, tra cui PostgreSQL, MySQL, Databricks, Snowflake, Trino e DuckDB |
Perché i team cercano un'alternativa ad Auto-Ontology
-
Un modello scrive l'SQL per ogni domanda
Il glossario lo guida; la query può cambiare ogni volta (README).
-
Chiamate al modello controllano l'SQL
Controlli e correzioni sono affidati a modelli linguistici, che possono sbagliare entrambi nello stesso modo.
-
Nessun motore di regole
Non ne è documentato nessuno: nessuna ricorsione, nessun ragionamento sul tempo, nessuna asserzione sui dati.
-
Un glossario, non un programma
Termini, mappature di colonne e frammenti SQL salvati in Postgres e pgvector.
Alternativa ad Auto-Ontology: domande frequenti
Qual è la differenza tra SynaLemma e NVIDIA Auto-Ontology?
In Auto-Ontology un modello scrive l'SQL per ogni domanda. SynaLemma compila l'SQL da regole verificate, controllate da un verificatore simbolico.
Basta controllare l'SQL con un secondo modello?
No. Due sistemi probabilistici possono sbagliare nello stesso modo. Un verificatore simbolico dimostra che ogni regola è ben formata, sicura e termina, qualunque cosa abbia scritto il modello.
SynaLemma richiede modelli di frontiera?
No. Basta un piccolo modello aperto sul vostro hardware.
Fonti
- NVIDIA Auto-Ontology su GitHub (README)
- Guida al deployment di Auto-Ontology
- Dipendenze di Auto-Ontology (pyproject.toml)
- Synalog su GitHub (Apache-2.0)
- Documentazione Synalog: asserzioni
Verificato sulla documentazione pubblica di ciascun prodotto alla data di revisione. Per segnalare un errore: contact@synalinks.com.
Altri confronti
Portate una domanda a cui il vostro stack attuale non sa rispondere.
In 30 minuti vi mostriamo SynaLemma che risponde, con la regola dietro il numero e i controlli che ha superato.