Amazon Quick 推出 Agentic Catalog 体验：自然语言发现数据资产并自动继承语义，现已预览
AWS 发布 Amazon Quick 的 Agentic Catalog 体验，数据管理员可用自然语言发现上游数据资产，自动创建带继承语义的 Dataset 和 Topic，支持 AWS Glue 和 Databricks Unity Catalog，预览版已上线。了解其工作原理、中文用户适用性及国产替代方案。
一句话看懂
AWS 发布 Amazon Quick 的 Agentic Catalog 体验，让数据管理员用自然语言发现数据资产、自动创建带继承语义的 Dataset 和 Topic，现已预览，支持 AWS Glue 和 Databricks Unity Catalog。
详细发生了什么
Amazon Quick 是 AWS 的 BI 和 AI 问答服务，最近推出 Agentic Catalog 体验，目的是解决企业数据目录到最终用户之间的“最后一公里”问题。数据管理员（如 BI 工程师、分析负责人）常面临三大挑战：海量表中难以发现合适资产、上游丰富的语义元数据无法自动流入、手动重建导致耗时数周且易产生语义漂移。
该体验的核心是 Quick Agent，它利用目录连接的语义上下文，支持自然语言发现资产（例如“我是财务团队高级分析师，需要季度营收报告和成本分析的表”），自动创建 Catalog-Generated Datasets 和 Topics，并继承表/列定义及主外键关系。默认使用 DirectQuery，不复制数据，继承的元数据为只读，并带有“Semantics Inherited”徽章，作者可手动同步更新。创建后即可用于 Q&A 和仪表盘，从连接到首个业务问题只需几分钟。架构上，Amazon Quick 作为目录元数据的消费者，而非独立目录，确保上游目录保持权威。
中文圈视角
对中文用户而言，该功能主要面向使用 AWS 和 Databricks 的企业，国内用户需注意网络访问和合规问题。如果使用 AWS 中国区，需确认服务可用性；若使用国际区，则需考虑数据出境合规。国产替代方面，阿里云 DataWorks 和 Quick BI、腾讯云 WeData 等提供类似的数据目录和 BI 能力，但自然语言发现和语义继承的自动化程度可能较低。对于使用 Databricks 的国内企业，Unity Catalog 的集成可能受限于网络和版本。此外，中文语义处理能力是关键差异，Amazon Quick 对中文的支持可能不如国产工具，但该功能主要面向数据管理员，对中文用户的实际影响取决于其数据栈。
几条值得记住的细节
- 预览版支持 AWS Glue Data Catalog 和 Databricks Unity Catalog，Snowflake 和 Collibra 等尚未支持。
- 继承范围目前仅限表/列定义和主外键关系，Gold/Silver 分类、质量评分等仅用于发现，不继承。
- 创建 Dataset 默认使用 DirectQuery，不复制数据，元数据只读，可手动同步，自动同步在路线图中。
- 编辑继承的 Dataset 时会提示创建副本，确保上游目录保持权威。
- 创建后，元数据进入 Amazon Quick 语义存储，用于 Q&A 重排序和答案接地。
一句话总结
如果你用 AWS 或 Databricks 做数据分析，这个功能能大幅缩短从数据到洞察的时间，但需评估中文支持和合规风险。