DataHub数据目录AI上下文

问题：AI 工作流够不到数据目录

当 Agent 参与数据发现或治理流程时，它往往只能看到你喂给它的那几条 prompt 或查询结果。它不知道某张表归谁管、字段的真实含义是什么、上游经过哪几次变更、下游又被哪些报表依赖。结果就是：结论看起来合理，却可能引用了已废弃的表，或者把测试环境的 schema 当成生产事实。

根本原因在于上下文断层——数据目录里的信息没有进入推理过程。

这个技能做什么

该技能把 DataHub 的目录上下文 直接暴露给 AI 工作流，让 Agent 在做数据发现和治理决策时，能基于以下四类信息进行判断：

• 元数据（metadata）：实体的描述、标签与分类，提供业务语义背景。
• 所有权（ownership）：明确的负责人或团队，出问题时能定位到人。
• Schema：字段结构与类型，避免对列含义做出错误假设。
• 血缘（lineage）：上游依赖与下游影响，用于评估变更的爆炸半径。

工作方式上，技能依托 DataHub 的 API 或 CLI 拉取上述上下文，并将其注入 Agent 的推理流程。这样 Agent 在回答「这张表还能用吗」「改这个字段会影响谁」这类问题时，依据的是目录中的事实，而不是推测。

适用边界

• 需要 已部署的 DataHub，并确保环境可访问其 API 或 CLI。
• 需要对目录元数据具备读取权限；权限不足时，技能无法获取完整上下文。
• 该技能提供的是上下文供给，不替代 DataHub 本身的元数据采集与治理配置。
• 上游文档以 Quick Start 为准，建议先跑通 DataHub 的基础环境再接入工作流。