AI 进场 — 目录既被 AI 增强,又成了 AI 的源
这一章讲三件事: AI 改了目录的哪两头;一次真实的搜索怎么从闲聊开始、 穿过目录、再落到 Slack 聊天记录上(本章主走查);以及「数据发现」这个词为什么是目录的全部目的。 这一章是第一版与第二版的分水岭:第一版只讲地图,第二版讲 AI 怎么用这张地图、又怎么吃这张地图。
1. 先交代:作者为什么写第二版
2023 年初,作者出版第一版时,核心主张还是「目录就像搜索引擎,只不过搜的是公司数据」1。 书刚出,ChatGPT 就把整个搜索行业掀了:微软 CEO 纳德拉宣布与 OpenAI 合作时说 「这是搜索的新的一天」,必应开始用对话机器人答题,Google 二十五年的稳态第一次被撼动2。
作者当时在播客里被当众追问:「那 ChatGPT 会让数据目录发生什么?」他的回答是: 我书里给目录画了一个未来,真要展开讲这个未来,那显然就是 ChatGPT 和 AI3。
第二版就是兑现这句话。它的结构是两个方向,这一章各给一块:
| 方向 | 书里的说法 | 一句话解释 |
|---|---|---|
| with AI(用 AI) | 目录的实施、使用、扩展都因 AI 而显著变容易4 | AI 替你干活:找数、写描述、翻查询 |
| for AI(喂 AI) | 目录成了更大搜索基础设施的一环,它本身成了一个源5 | AI 来目录这里取料 |
2. 主走查:一次午休闲聊,换回七份数据和十六个聊天线程
书里给整套 AI 增强编了一个贯穿案例公司:Hugin & Munin, 一家虚构的北欧可持续 木构建筑公司,建材只用工地附近森林的木头6。 它的目录长什么样?书里描述的界面几乎是照着大家熟悉的搜索引擎抄的: 一根搜索栏,下面一只松鼠图标(点它进入对话式 AI 搜索)、一个放大镜(浏览)、 一摞书(词表——公司业务词汇的官方清单,第 05 章专讲)7。像,是刻意的。
走查开始。你是 H&M 的一名员工,午饭时听到隔壁桌聊起一位叫 Kris 的数据科学家, 说他在目录里发布的几个「数据产品」对你手头的项目可能有用——话没问完, 那桌人起身进了会议室。回到工位,你怎么办?
第 1 步 你在目录搜索栏里用人话打一句:
「找出 Kris 拥有的、和数据科学业务术语表相关的数据产品」
│
第 2 步 目录里的 AI 把这句话拆成结构化查询。
放在几年前,你得自己写这样的式子:
Data Owner: "Kris*" AND business glossary: "Data Science"
AND Asset Type: "Data Product"
——星号是通配符,AND 是「并且」,写错一个引号就查不出东西[^8]
│
第 3 步 命中:Kris Kegelstrom 发布的 7 个数据产品,
内容是 H&M 家用房屋外墙的长期耐久性数据[^9]
│
第 4 步 产品描述写得不错,但你缺背景:午休那段对话里的想法,
描述里没写全。你想到:这些产品有没有在公司聊天工具 Slack 里被聊过?
│
第 5 步 你打开公司级 AI 助手「H&M chat」,让它同时查目录和 Slack。
这一步之所以可能,是因为目录和 Slack 都挂上了 MCP 服务器(即按这套约定开放、供助手来查的一端)[^10]
│
第 6 步 结果:16 个 Slack 线程讨论过这批数据产品,时间跨度超过一年;
助手把讨论总结成一页,你带着它继续做自己的方案[^11]
这六步里藏着这一章的全部机制。第 1–3 步是「用 AI」:自然语言进去,结构化查询出来; 第 4–6 步是「喂 AI」:目录被当成一个源,和 Slack 放在同一张桌上被同一个助手查。 下面两节把两头各拆开讲。
3. 用 AI:自然语言进去,结构化查询出来
先看过去的麻烦
目录里的东西都是描述(第 01 章讲过),搜目录因此和搜数据库不同:
你在搜「哪份资产跟我的问题有关」。过去表达这种搜索,得学一套查询写法——
上一步走查里那行 Data Owner: "Kris*" AND … 就是,栏位名、引号、通配符、大小写,
一处不对就白写8。
AI 做的两件事
现在的目录把这件事拆给了 AI:
- 抽取:从你的一句大白话里抽出关键词和布尔运算符(AND/OR/NOT 这类「并且、或者、排除」的逻辑词);
- 翻译:把抽出来的东西拼成正规的结构化查询语句,去目录里执行,把结果端回来9。
你看不到中间那步,也不再需要会写它。书里把这件事的分量说得很直白: AI 让目录终于能「对完全自由灵活的自然语言搜索开放,话题多复杂都行」10。
为什么这件事对推广尤其重要
书里还有一段专门说给数据治理和数据工程的人听的:你们可能觉得 AI 热闹归热闹、与我无关—— 恰恰相反。目录这种工具最难的一关是让高管点头放预算、让终端用户愿意上手, 而 AI 把这两关都变容易了:演示效果好懂,上手没有学习门槛11。 第 03 章讲的「谁为目录买单」会回到这一点。
4. 喂 AI:目录成了源本身
从「指路的」变成「被查的」
第一版里目录的身份是指路牌:你在这里搜到某份数据在哪儿,然后去那个系统里干活。 第二版加了一个新身份:目录自己成了 AI 的取料源——企业级 AI 助手不只搜目录, 还把它连着的所有源一起搜,而目录提供的全公司数据地图,恰好是 AI 最缺的那种背景12。
这里必须解释两个词。
MCP,即模型上下文协议——一套公开的约定,规定 AI 助手怎么 连上外部工具和数据源、怎么发请求、怎么拿结果——主走查第 5 步里「目录和 Slack 都挂上 MCP 服务器——即按这套约定开放、供助手来查的一端」,说的就是两者都按这套约定开了个口子,让助手能来查13。 (补充(不在书里,依据我们的 protocol 书架):MCP 由 Anthropic 于 2024 年 11 月发布, 现已成为 AI 助手连接企业数据源的主流协议(即行业通行的标准);我们书架里有它的完整规范拆解。 依据: shelf=ai-protocol-reference/mcp-spec#03-server-primitives.md 事实=规范把服务器(对外提供服务、等别处来连的一端)定义为一侧暴露工具与数据项、供另一侧程序调用 的角色,与本章「挂上 MCP 服务器即可被助手查询」的说法一致。)
AI 助手就是企业内部用的对话机器人。作者特意统一用词:大家熟悉的 Claude、Mistral、 OpenAI 这类产品是消费版,企业版就是 AI 助手——同一个东西,锁在公司数据范围内14。
为什么书坚持「目录必须建在知识图谱上」
目录能给 AI 的不只是元数据的清单,还有结构。书里的判断是: 建在知识图谱上的目录能「大幅提高大语言模型(LLM,即 ChatGPT 这类大模型)做生成式(让机器直接产出内容的)AI 项目时答得多准」。
智能体(行话叫 agent:能自己接任务、自己调工具干活的 AI 程序)架构配上知识图谱, 执行任务也更有效——因为图谱本身记着什么和什么在业务上相关,这张关系网 能引导 AI,帮它采取更好的动作15。
回忆第 01 章的三种线:垂直的域、水平的血缘、关系式的知识图谱。前两种给人看,第三种恰好 是机器能直接读的:点和边本来就是 AI 可以遍历的结构。这就是「喂 AI」这个方向上, 图谱式目录被书反复点名的原因。原书第二部分(第 11–13 章)将展开「LLM+知识图谱」模式、 MCP 与 Agent2Agent 标准——试读版未放出这几章,本拆解不代写16。
5. 目的:这一切都为「数据发现」服务
书里给目录的存在理由起了一个专门的名字:数据发现(data discovery)—— 搜到并且真的找到你要的数据17。
它有一个可以当验收标准的目标状态,借自 Peter Morville 2005 年那本《Ambient Findability》: 环境可寻性——「一个正在快速成形的世界:我们能在任何时间、任何地点,找到任何人、任何东西」18。 书里把这个标准原封不动搬进公司:在目录里,你应当能随时随地找到公司里的任何人、任何东西19。
四类人靠数据发现吃饭,书里列得很清楚20:
| 谁 | 拿目录干什么 |
|---|---|
| 数据工程 | 盯数据管道的运行状况(数据可观测性)与数据质量 |
| 数据分析 | 找到最合适的数据源,而不是困在孤岛里「手头有什么用什么」 |
| 治理、风险与合规 | 给全部数据自动贴敏感/机密标签(第 06 章专讲) |
| AI 架构与 AI 工程 | 把目录当企业级搜索与智能体编排(调度多个智能体分工干活)的源(本章 §4) |
书里把这四类合起来叫数据智能(data intelligence)21。
6. 作者的判断与证据
书里当作事实陈述的:
- 主走查的全部情节(H&M 界面、7 个数据产品、16 个线程)是作者虚构的演示场景, 但其中每个环节对应的能力(自然语言查询、MCP 接入、跨源搜索)都是他认定已经成立的产品事实;
- 「知识图谱提高 LLM 回答的准确性、帮助智能体」——作者说第二部分会引用科学文献来支撑22, 试读版未含该部分,所以这一论断在本书目前的部分里还挂着欠条。
作者的推测:
- 「没人知道对话式搜索会把目录带向哪里,但一定有什么要变」(前言的立场);
- 「AI 让目录更容易卖出去」——是经验判断,没有给出对比数据11。
判断(我们的,不是书里的): 主走查里最有长期价值的不是「AI 帮你写查询」 (这只是过渡形态),而是第 5–6 步那次跨源跳转:目录提供「公司有什么」的地图, Slack 提供「人们怎么谈论它」的活背景——这两层信息过去分开住在两个互不相通的系统里。 「目录即源」的真正含义是:元数据第一次成了可以直接喂给模型的原材料。 如果错,会错在: 如果企业 AI 助手最终直接读源系统的元数据接口(对外开放的读取口)、绕开目录, 目录作为「源」的地位会被架空——所以书反复强调目录必须建在图谱上、必须把元数据质量做高, 否则它连当源的资格都没有。
7. 边界与局限
- 演示即上限。 主走查里的对话式搜索是理想态;书自己也提醒:「AI 时代还在婴儿期, 别指望这个能力已经全面替代复杂搜索」23。
- MCP 是本版新加入的设定,书只在案例里用了它,没有讲实现;而且讲深 MCP 的第 13 章不在试读版里。
- 「图谱提高准确性」在试读版里是欠条,引用文献承诺在第二部分,见不到就别当已证。
- 数据发现 ≠ 在数据里发现洞见。 书里特意分清:目录管「找到数据」, 找到之后的分析是数据科学的事24——第 07 章把这条区分讲透。
8. 可带走的
- 第二版 = 两个箭头:用 AI(目录更好用了)+ 喂 AI(目录本身成了源);
- 用 AI 的核心动作:大白话 → 抽关键词和逻辑词 → 结构化查询 → 结果,你不再需要学查询的写法格式;
- 喂 AI 的核心动作:目录与业务系统(如 Slack)各自挂上 MCP 口子,企业 AI 助手跨源一起查;
- 「数据产品在 Slack 里被聊过 16 个线程」这种活背景,是静态的资产描述永远给不了的;
- 目录的新身份:从指路牌到源本身——前提是元数据质量过硬、图谱结构可用;
- 验收目录的口诀:环境可寻性——随时随地找到任何人、任何东西;
- 「图谱帮助 AI」在本书试读版里是未兑现的承诺,引用前先知道自己引的是主张不是证据。
9. 原文地图
| 主题 | 原书章 | 原文位置 |
|---|---|---|
| 第一版核心主张与时代背景 | 前 言 | text/05-fm-preface.txt:26(搜「core message of the book」) · text/05-fm-preface.txt:45(搜「new day」) |
| 播客之问与「未来=AI」 | 前言 | text/05-fm-preface.txt:12(搜「take on ChatGPT」) · text/05-fm-preface.txt:20(搜「future vision」) |
| with AI / for AI 两方向 | 第 1 章 | text/06-fm-the-ai-data-catalog-and-as-source-for-ai.txt:12(搜「easier to implement, use and scale」) · text/06-fm-the-ai-data-catalog-and-as-source-for-ai.txt:19(搜「source in itself」) |
| AI 助手=企业版 chatbot | 第 1 章 | text/06-fm-the-ai-data-catalog-and-as-source-for-ai.txt:22(搜「Think Claude」) |
| 图谱提高 LLM 精度、助智能体 | 第 1 章 | text/06-fm-the-ai-data-catalog-and-as-source-for-ai.txt:26(搜「increase precision greatly」) |
| 高管买单更容易 | 第 1 章 | text/06-fm-the-ai-data-catalog-and-as-source-for-ai.txt:30(搜「decision makers on board」) |
| H&M 界面与松鼠图标 | 第 1 章 | text/07-fm-the-core-functionality-of-a-data-catalog.txt:186(搜「fictitious Scandinavian」) · text/07-fm-the-core-functionality-of-a-data-catalog.txt:193(搜「squirrel」) |
| 旧式查询写法 | 第 1 章 | text/07-fm-the-core-functionality-of-a-data-catalog.txt:210(搜「Data Owner」) |
| AI 抽取并翻译成结构化查询 | 第 1 章 | text/07-fm-the-core-functionality-of-a-data-catalog.txt:213(搜「structured query statement」) |
| 7 个数据产品命中 | 第 1 章 | text/07-fm-the-core-functionality-of-a-data-catalog.txt:214(搜「Kegelstrom」) |
| MCP 服务器 + Slack | 第 1 章 | text/07-fm-the-core-functionality-of-a-data-catalog.txt:225(搜「MCP servers」) |
| 16 个线程、超过一年 | 第 1 章 | text/07-fm-the-core-functionality-of-a-data-catalog.txt:229(搜「16 different threads」) |
| 数据发现定义 | 第 1 章 | text/08-fm-data-discovery.txt:3(搜「is called data discovery」) |
| 环境可寻性引文 | 第 1 章 | text/08-fm-data-discovery.txt:21(搜「anyone or anything」) |
| 四类用途与数据智能 | 第 1 章 | text/08-fm-data-discovery.txt:37(搜「Data engineering」) · text/08-fm-data-discovery.txt:65(搜「data intelligence」) |
| Part II 将讲 MCP 与 Agent2Agent | 前言 | text/05-fm-preface.txt:150(搜「Model Context Protocol」) |
| KG 目录赢市场的两个理由 | 第 1 章小结 | text/11-fm-summary.txt:55(搜「won the market, and there」) |
| 「AI 时代在婴儿期」 | 第 3 章 | text/21-fm-mechanics-the-mathematics-behind-search.txt:3(搜「in its infancy」) |