大模型时代的数据目录怎么做？怎么让人和 Agent 都能找到数据？
面试怎么回答
Agent 不会像人一样去问同事，只会照着元数据用，所以数据目录要求更高：描述准确完整、明确哪张是推荐使用的表、写清口径和使用注意事项，并通过 API 或 MCP 提供结构化的查询能力。目录内容包括技术元数据、业务元数据、质量和认证状态、字段级血缘、使用情况、权限分级。让 Agent 找对表靠认证标签和废弃过滤、描述的语义检索、按使用信号排序、常用表配经过验证的示例 SQL，以及搜索表、看字段口径、看血缘这些工具。维护上能自动采集的自动采集，业务描述大模型辅助加核心人工审核，把描述覆盖率、认证率当成指标，并从 Agent 使用日志里发现经常被用错的表。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
数据目录（Data Catalog）以前是给人用的：搜一下表名，看看注释和负责人。现在越来越多的使用者是 Agent：智能问数要找表、数据开发 Agent 要理解血缘、分析 Agent 要知道指标口径。面试官问这题，想看你怎么让元数据从「给人看」升级到「给机器用」。
Agent 对数据目录的要求更高
人看到一个模糊的注释，会去问同事；Agent 只会照着用。所以：
- 描述要准确完整：表的用途、粒度、更新频率、字段的业务含义和口径；
- 可推荐的「正确」表：同一个业务概念往往有很多张相似的表（测试表、临时表、历史版本），要明确哪张是推荐使用的；
- 口径和约束：「这张表的订单包含测试账号，计算 GMV 前要过滤」这类使用注意事项；
- 结构化、可调用：通过 API 或 MCP 提供查询能力，而不只是网页。
数据目录要包含什么
- 技术元数据：表结构、分区、存储格式、大小、更新时间；
- 业务元数据：业务域、用途、负责人、指标定义、使用注意事项；
- 质量和可信度：数据质量检查结果、产出是否准时、认证状态（「已认证」「推荐使用」「已废弃」）；
- 血缘：上下游表、字段级血缘、生成 SQL；
- 使用情况：被谁查得多、常见的查询方式、常见的关联关系；
- 权限和分级：敏感级别、谁可以访问。
让 Agent 找到正确的表
- 认证和分级：给核心表打上「已认证」标签，检索时优先；废弃的表默认不返回；
- 语义检索：表和字段描述向量化，支持自然语言搜索；
- 使用信号排序：被核心报表使用、查询次数多的表权重更高；
- 示例查询：为常用表提供几个经过验证的示例 SQL，Agent 参考示例比从零写更准；
- 工具化：提供「搜索表」「查看表详情」「查看字段口径」「查看血缘」这样的工具接口。
元数据的维护
- 能自动采集的自动采集（结构、血缘、使用情况、质量结果）；
- 业务描述用大模型辅助生成，核心资产人工审核；
- 把元数据质量当成指标：核心表的描述覆盖率、认证率、过期描述的比例；
- 从 Agent 的使用日志里发现问题：哪些表经常被用错、哪些问题找不到表。