前言¶
數據治理常見的痛點是：元數據靠人工填表，數據質量規則散落在 SQL 和口頭約定裏，敏感數據發現滯後，血緣關係只在評審文檔中存在，等到合規審計時再補材料。下面介紹的 Skill「智能數據治理」試圖把這條鏈路收進一個代碼化入口，讓治理動作儘量可重複、可審計。
這是什麼¶
「智能數據治理」是一個面向數據治理自動化的 Skill，座標 @user_69009747/data-governance-autopilot，發佈者 user_69009747，版本 1.0.0，來源 community，SkillHub 分類 data-analysis。官方簡介把它定位爲“從元數據自動採集到合規審計，一站式數據治理自動化平臺”，核心口號是“讓數據治理從文檔驅動變成代碼驅動”。
公開資料顯示，它覆蓋元數據自動採集、數據分類分級、敏感數據識別與脫敏、六維數據質量規則、數據血緣追蹤、DAMA 治理框架映射和合規審計，並附帶一鍵部署環境。標籤爲 requires_api_key=false，通常意味着使用時不需要額外申請 API Key。
核心功能¶
這一節只列官方簡介中已出現的能力，不做擴展。
- 元數據自動採集：減少手工登記表結構、字段含義和負責人信息的工作量。
- 數據分類分級：按業務語義給數據資產打標籤，作爲後續安全策略和審計口徑的基礎。
- 敏感數據識別與 AI 數據脫敏：識別敏感字段後，按規則做脫敏處理。
- 六維數據質量規則：用質量規則檢查數據，而不是隻靠人工抽檢。
- 數據血緣追蹤：記錄字段、表、任務之間的上下游關係，便於定位影響範圍。
- DAMA 治理框架映射：把治理動作對齊到 DAMA 框架，便於組織內部口徑統一。
- 合規審計：覆蓋數據安全法相關審計要求，輸出可用於留痕和復盤的材料。
- 數據資產盤點：彙總資產清單，支撐後續分類分級、質量治理和安全治理。
- 一鍵部署環境：降低本地或測試環境跑起來的門檻。
安裝與啓用¶
官方公開資料沒有給出具體的安裝命令，也沒有分別說明 Cursor、Codex CLI、Claude Code 的差異。因此這裏不臆造命令。
按通用 SKILL.md 方式啓用時，建議使用官方座標 @user_69009747/data-governance-autopilot，官方地址爲：
https://www.skillhub.cn/skills/user_69009747/data-governance-autopilot
安裝入口與客戶端適配情況以官方頁面爲準。由於標籤是 requires_api_key=false，如果客戶端沒有額外提示，通常不需要先配置 API Key。
典型用法¶
官方簡介沒有提供可直接復現的命令示例。按其列出的能力，落地時可以按下面的順序拆任務：
- 先接元數據自動採集，把表、字段、負責人、來源等基礎信息收上來。
- 再做數據資產盤點，確認哪些資產需要進入治理範圍。
- 然後配置數據分類分級和敏感數據識別，明確哪些字段需要脫敏。
- 接着配置六維數據質量規則，讓質量檢查進入日常運行。
- 最後補數據血緣追蹤，並在審計時映射 DAMA 框架和數據安全法要求。
每一步都應先小範圍驗證，再擴大到更多庫表和業務域。
適用場景與注意¶
適合想把數據治理從文檔、Excel 和臨時 SQL 中抽出來的團隊，尤其是需要同時處理元數據、質量、血緣、敏感數據和合規審計的場景。
需要注意的點：
- 該 Skill 來源是
community，不是官方團隊維護，落地前應先閱讀實際加載的 SKILL.md。 - 當前版本爲
1.0.0，頁面顯示安裝量爲0，屬於早期階段，不宜直接用於強合規生產環境。 - 公開資料沒有給出安裝命令、參數和客戶端適配差異，需要以官方頁面爲準。
- 六維質量規則、敏感識別和 DAMA 映射的具體實現深度，需要加載後實際驗證，不能只依據簡介推斷。
- 評分和下載量會隨頁面變化，本次覈對時頁面顯示評分
100000、下載1175。
結尾¶
這個 Skill 的價值在於把數據治理的常見環節集中到一個代碼驅動入口：元數據採集、分類分級、敏感識別與脫敏、質量規則、血緣、DAMA 映射和合規審計。適合作爲治理流程的起點或內部工具化參考，但在生產使用前需要先驗證實際能力。官方地址：https://www.skillhub.cn/skills/user_69009747/data-governance-autopilot。
