前言¶
数据治理常见的痛点是：元数据靠人工填表，数据质量规则散落在 SQL 和口头约定里，敏感数据发现滞后，血缘关系只在评审文档中存在，等到合规审计时再补材料。下面介绍的 Skill「智能数据治理」试图把这条链路收进一个代码化入口，让治理动作尽量可重复、可审计。
这是什么¶
「智能数据治理」是一个面向数据治理自动化的 Skill，坐标 @user_69009747/data-governance-autopilot，发布者 user_69009747，版本 1.0.0，来源 community，SkillHub 分类 data-analysis。官方简介把它定位为“从元数据自动采集到合规审计，一站式数据治理自动化平台”，核心口号是“让数据治理从文档驱动变成代码驱动”。
公开资料显示，它覆盖元数据自动采集、数据分类分级、敏感数据识别与脱敏、六维数据质量规则、数据血缘追踪、DAMA 治理框架映射和合规审计，并附带一键部署环境。标签为 requires_api_key=false，通常意味着使用时不需要额外申请 API Key。
核心功能¶
这一节只列官方简介中已出现的能力，不做扩展。
- 元数据自动采集：减少手工登记表结构、字段含义和负责人信息的工作量。
- 数据分类分级：按业务语义给数据资产打标签，作为后续安全策略和审计口径的基础。
- 敏感数据识别与 AI 数据脱敏：识别敏感字段后，按规则做脱敏处理。
- 六维数据质量规则：用质量规则检查数据，而不是只靠人工抽检。
- 数据血缘追踪：记录字段、表、任务之间的上下游关系，便于定位影响范围。
- DAMA 治理框架映射：把治理动作对齐到 DAMA 框架，便于组织内部口径统一。
- 合规审计：覆盖数据安全法相关审计要求，输出可用于留痕和复盘的材料。
- 数据资产盘点：汇总资产清单，支撑后续分类分级、质量治理和安全治理。
- 一键部署环境：降低本地或测试环境跑起来的门槛。
安装与启用¶
官方公开资料没有给出具体的安装命令，也没有分别说明 Cursor、Codex CLI、Claude Code 的差异。因此这里不臆造命令。
按通用 SKILL.md 方式启用时，建议使用官方坐标 @user_69009747/data-governance-autopilot，官方地址为：
https://www.skillhub.cn/skills/user_69009747/data-governance-autopilot
安装入口与客户端适配情况以官方页面为准。由于标签是 requires_api_key=false，如果客户端没有额外提示，通常不需要先配置 API Key。
典型用法¶
官方简介没有提供可直接复现的命令示例。按其列出的能力，落地时可以按下面的顺序拆任务：
- 先接元数据自动采集，把表、字段、负责人、来源等基础信息收上来。
- 再做数据资产盘点，确认哪些资产需要进入治理范围。
- 然后配置数据分类分级和敏感数据识别，明确哪些字段需要脱敏。
- 接着配置六维数据质量规则，让质量检查进入日常运行。
- 最后补数据血缘追踪，并在审计时映射 DAMA 框架和数据安全法要求。
每一步都应先小范围验证，再扩大到更多库表和业务域。
适用场景与注意¶
适合想把数据治理从文档、Excel 和临时 SQL 中抽出来的团队，尤其是需要同时处理元数据、质量、血缘、敏感数据和合规审计的场景。
需要注意的点：
- 该 Skill 来源是
community，不是官方团队维护，落地前应先阅读实际加载的 SKILL.md。 - 当前版本为
1.0.0，页面显示安装量为0，属于早期阶段，不宜直接用于强合规生产环境。 - 公开资料没有给出安装命令、参数和客户端适配差异，需要以官方页面为准。
- 六维质量规则、敏感识别和 DAMA 映射的具体实现深度，需要加载后实际验证，不能只依据简介推断。
- 评分和下载量会随页面变化，本次核对时页面显示评分
100000、下载1175。
结尾¶
这个 Skill 的价值在于把数据治理的常见环节集中到一个代码驱动入口：元数据采集、分类分级、敏感识别与脱敏、质量规则、血缘、DAMA 映射和合规审计。适合作为治理流程的起点或内部工具化参考，但在生产使用前需要先验证实际能力。官方地址：https://www.skillhub.cn/skills/user_69009747/data-governance-autopilot。
