企业级 AI 数据中枢 | 让企业数据库可被 AI 读懂、可被业务即用
开源免费 · 私有化部署 · 全链路数据智能化治理
项目地址：https://github.com/stepll2026/OntiCards/releases
官方文档：http://www.onticards.com/docs/zh-cn/
开源协议：AGPL-3.0
绝大多数企业推进AI数字化落地时，都会陷入同一个困境：大模型好用，但企业自有数据用不起来。
数据分散在MySQL、Oracle、国产数据库、各类业务系统中，无统一台账、无业务释义、无质量管控；技术团队疲于写临时SQL、对接数据源、处理数据报错；业务团队取数依赖研发排期，跨部门数据核对耗时数天；同时敏感数据泄露、AI滥用、无审计追溯等安全风险层层叠加。
数据，本该是企业AI的核心资产，却成了落地最大成本与阻碍。
你需要的不是更强大的大模型，而是一座连接业务数据库与AI应用的中间枢纽——让数据可识别、可查询、可治理、可安全复用。
OntiCards 正是为此而生：一站式开源企业级AI数据中枢，零侵入对接存量数据库，AI自动理解数据语义，支持自然语言自助取数、跨源融合、智能质检、权限审计，连上即可用，大幅降低企业数据AI化落地门槛。
-
解决数据孤岛：兼容9类主流及国产数据库，单平台统一接入、统一管理多源异构数据
-
解决AI读不懂数据：AI自动生成智能数据卡片，结构化梳理表用途、字段含义、敏感标识、业务关系，让大模型精准理解企业私有数据
-
解决取数效率低：抛弃人工写SQL、跨部门对接，业务自然语言即可自助查数，多步推理、跨库融合一键实现
-
解决落地不安全、无规范：内置数据脱敏、权限隔离、操作审计、SSO单点登录，兼顾智能化与企业级安全合规
OntiCards 并非实验性demo，已在汽车、金融、政企、制造、教育、地产等多行业头部企业生产环境稳定落地，适配真实复杂业务场景：
-
汽车行业（年销百万辆级车企）：重构营销取数模式，自然语言对话式查数，替代5天跨部门人工汇总，覆盖14个业务BI看板，查询准确率超85%，应答率超90%
-
金融行业（6000亿级城商行）：统一收拢全行制度与业务数据，构建企业知识与数据问答入口，AI产出效率为人工专家4倍，实现业务秒级自助答疑取数
-
政企交通（6000km+省属交通集团）：监控数据智能化解析，8类异常事件、7类设备故障AI精准识别，准确率≥85%，智能体响应时长＜5秒，实现从“人工盯屏”到“AI主动预警”
-
高端制造（PCB龙头企业）：多模态AI自动抽取订单图纸结构化参数，实现“图纸进、数据出”，替代人工录入核对，大幅降低错漏率与人力成本
-
地产法务：AI智能合同审查，单份合同审核从40分钟压缩至4分钟，自动识别风险条款、分级预警、结构化批注
更多行业解决方案：http://www.onticards.com/zh-cn/solutions
零侵入接入主流开源、商业及国产数据库，全面适配企业国产化改造需求：
-
开源库：MySQL 5.7+、PostgreSQL 10+、SQLite 3.x
-
商业库：Oracle 11g+、SQL Server 2012+
-
国产库：达梦DMDB V8、人大金仓、OceanBase（MySQL租户）
-
大数据引擎：Trino
自动完成全域数据资产盘点，把晦涩的数据库元数据，转化为业务可读、AI可识别的数据资产：
-
智能数据卡片：自动生成每张数据表的业务说明书，包含表用途、字段释义、枚举规则、适用场景
-
智能识别：自动标记敏感字段、梳理表间关联关系、完成全域数据画像
-
业务术语库：自定义行业指标与业务口径，统一全公司数据语言，消除理解偏差
-
字段注释增强：支持Excel字典批量导入，精准修正AI自动解析误差
-
零SQL门槛：业务自然语言提问，自动适配多数据库方言、生成可执行安全SQL
-
复杂推理：支持多步拆解、嵌套查询、聚合统计，适配复杂业务分析场景
-
跨源融合：一次提问联动多库数据，自动对齐字段、合并结果，彻底打破数据孤岛
-
安全校验：自动拦截高危DML/DDL语句，仅保留只读查询，保障数据库安全
内置14种通用质检规则，支持AI智能建模+人工自定义规则，构建闭环数据治理体系：
-
覆盖维度：有效性、唯一性、一致性、完整性、值域合规、日期合规等
-
能力输出：自动质检、质量评分、问题溯源、批量整改、标准化报告导出
-
适配场景：日常数据巡检、上线校验、数据对账、常态化治理
完全适配生产环境私有化部署需求，满足企业合规、权限管控、系统集成要求：
-
安全管控：数据脱敏、行列级权限隔离、查询审计、操作日志追溯
-
登录集成：支持JWT-SSO单点登录、多账号权限管理
-
开放集成：API-Key开放接口，可无缝对接AI智能体、RPA、BI平台、自研业务系统
-
运维监控：查询流量监控、Token成本统计、服务状态预警、日志排查
| 项目 | 最低配置 | 推荐配置 |
|---|---|---|
| 系统 | Linux x86_64 | Ubuntu 22.04/24.04 |
| CPU/内存 | 2核4G | 4核8G及以上 |
| 磁盘 | 20G | 50G及以上 |
| 运行环境 | Docker 20.10+、Docker Compose 2.0+ | 最新稳定版 |
# 1. 克隆项目
git clone https://github.com/stepll2026/OntiCards.git
cd OntiCards
# 2. 初始化环境变量
cp .env.prod .env
chmod 600 .env
# 3. 校验配置并一键启动
docker compose config -q
docker compose up -d --build
# 访问地址
http://your-ip:9107完整部署、离线部署、版本升级、HTTPS配置：部署指南
-
登录系统，配置LLM大模型（兼容GPT、Claude、通义千问、DeepSeek、智谱、本地Ollama模型）
-
添加业务数据源，系统自动拉取元数据、生成智能数据卡片
-
（可选）上传业务字典、创建术语库、执行全域/定向数据盘点，优化数据理解精度
-
自然语言自助取数、配置质检规则、查看监控报表、对接第三方系统
完整操作教程：用户手册
-
技术负责人/架构师：快速搭建企业数据AI化底座，统一数据接入、治理、安全规范，降低AI落地成本
-
研发/数据工程师：减少重复SQL编写、跨库联调、数据核对工作，提升开发与运维效率
-
数据分析师：自助完成临时查询、跨源分析，聚焦业务洞察而非数据取数
-
数据治理专员：标准化完成数据盘点、质检、术语统一、质量报告输出
-
业务/管理层：零技术门槛自助取数，实时获取业务数据、支撑经营决策
-
AI应用开发：作为AI智能体、RPA、BI的统一数据入口，安全赋能上层AI应用
前端：Next.js 14、React 18、TypeScript 5、Ant Design 5、Tailwind CSS、Recharts、i18n国际化
后端：Flask、SQLAlchemy、PostgreSQL、Weaviate向量库、APScheduler定时任务、pandas数据处理
AI能力：兼容主流公有大模型、本地私有化模型，支持Embedding语义检索、Rerank重排序、多步推理
-
部署指南：环境配置、一键部署、生产优化、版本升级
-
用户手册：全功能操作、数据源管理、数据治理、智能问数
-
API接口文档：第三方系统集成、接口调用规范
-
SSO-JWT集成：企业单点登录对接方案
-
问题排查指南：启动报错、模型调用、数据库连接异常解决
-
常见问题FAQ：高频使用问题解答
欢迎各位开发者参与 OntiCards 的建设！
- 🐛 遇到 Bug、部署异常或其他使用问题，请通过 GitHub Issues 提交反馈。
- 💡 功能建议与明确需求也可以通过 GitHub Issues 提交。
- 💬 使用交流、技术讨论和经验分享，欢迎前往 GitHub Discussions。
- 🔧 代码贡献欢迎提交 Pull Request。
提交 Issue 时，请尽量提供 OntiCards 版本、部署环境、复现步骤及相关日志，方便快速定位问题。
贡献规范：详见 ./CONTRIBUTING.md
OntiCards 开源版基于AGPL-3.0 协议开源。基于本项目修改后对外提供网络服务，需开源修改后的代码；商业私有化部署、定制开发、多租户企业版能力，可联系官方获取商业授权。
开源版永久免费，可直接私有化部署用于生产环境。如需以下企业级能力，可咨询官方定制服务：
-
行业专属本体定制：按需定制各行业专属数据本体、业务术语体系与知识图谱，适配制造、汽车、金融、政企等垂直行业业务口径，落地专属智能化数据模型
-
企业级权限架构定制：支持私有化多租户架构搭建，提供精细化行列级、字段级数据权限管控，适配大型集团组织架构与数据隔离合规要求
-
高阶数据治理服务：提供智能化数据对账、批量数据异常修复、自定义治理规则搭建服务，落地标准化、可溯源的企业数据治理体系
-
私有化落地实施服务：提供专属私有化部署、环境适配、版本升级、故障兜底运维，全程技术护航保障系统稳定生产运行
-
定制开发与专属顾问：按需迭代个性化功能、适配企业现有业务系统，配备专属技术顾问，提供一对一需求对接与技术支撑
-
问题反馈 & 功能建议：GitHub Issues
-
产品官网 & 行业方案：http://www.onticards.com
OntiCards — 让每一家企业的私有数据，都能安全、高效、低成本接入AI时代