📰 概要

每个企业花几百万建的数据目录，人类基本不用，但AI Agent是它的完美用户。

2018-2024年，企业大量投资建设数据目录（data catalog），用于管理数据资产、描述数据含义。

人类员工的采用率只有10-25%——因为人们更倾向于直接问同事，而不是去搜索目录。

现在，情况变了。

AI Agent需要理解数据——它不像人类那样可以"靠经验知道"。

它必须读取每个数据字段的描述、理解表与表之间的关系、把业务含义编码进查询逻辑。数据目录，正是AI Agent理解企业数据的窗口。

🔍 解读

为什么人类不爱用数据目录？

三个原因：第一，目录维护需要额外工作，员工没有动力更新描述；第二，"部落知识"效应——同事之间口口相传比查系统更自然；第三，目录搜索体验差，返回结果不精确。

但AI Agent没有这些问题。

AI Agent会认真读每一个描述，不会因为"麻烦"就跳过。它不能靠"问同事"来获取业务知识，必须依赖元数据。它会在查询前先理解数据结构，确保不会"查错表"。

这意味着：数据目录的质量，直接决定了AI Agent能否准确工作。描述清晰的目录，AI Agent能准确查询；描述模糊的目录，AI Agent会"瞎查"。

一个典型的例子：人类查询数据时，可以靠经验知道"这个表的名字是sales，但实际记录的是退款数据"。AI Agent没有这种经验，它只会按字面意思理解表名。

数据目录就是给AI Agent的"业务背景知识"。它告诉Agent：这张表的实际含义是什么、这列数据的业务定义是什么、不同表之间的关联关系是什么。

AI Agent在执行查询前，会先检查目录、理解数据结构、构建查询逻辑。

这让它比人类更依赖目录的准确性——人类的"直觉"可以弥补目录的缺陷，AI Agent的"逻辑"必须依赖目录的完整。

「什么情况不建议用」：如果你的企业数据目录已经多年没有维护，里面的描述已经过时或者缺失——AI Agent使用它会比人类更容易出错，因为它会把过时的描述当作"真相"。

数据目录是AI Agent理解企业数据的窗口。你的目录质量，决定了AI Agent能否正确工作。