Amazon Quick 推出 Agentic Catalog Experience，加速 AI 驱动分析落地
Amazon Quick 近日宣布推出 Agentic Catalog Experience 预览版，这是一项专为数据策展人设计的 AI 驱动工作流，旨在解决企业级分析中“最后一公里”的语义鸿沟问题。该功能目前支持 AWS Glue Data Catalog 和 Databricks Unity Catalog，未来将扩展至更多平台。
痛点：元数据孤岛与手动重建
企业数据团队在数据目录（如 AWS Glue、Databricks Unity Catalog、Snowflake Horizon、Collibra 和 dbt）中投入大量精力，定义了详细的表描述、列语义、主外键关系、术语表和指标定义。然而，当业务用户（如销售经理、市场总监）需要基于这些数据获得 AI 驱动的洞察时，却面临三大挑战：
- 发现困难：在数千张表中找到经过策展且适用于报告的资源，如同大海捞针。
- 语义碎片化：上游已有的丰富元数据无法自动流入 Amazon Quick，策展人必须手动重建资源、重新定义描述，导致“收入”是毛额还是净额、“活跃客户”是 30 天还是 90 天等定义无法统一。
- 时间延迟：手动发现和重建导致从数据到洞察的时间从几小时拉长到数周。
解决方案：自然语言驱动的目录体验
Agentic Catalog Experience 通过 AI 代理，让数据策展人能够用自然语言描述需求，系统自动发现上游目录资产，并自动创建带有继承语义的 Dataset 和 Topic。例如，策展人只需输入“查找与销售相关的所有表”，系统即可返回相关资产，并自动映射表间关系。
这一功能的核心价值在于，它打通了上游目录与 Amazon Quick 之间的语义连接，使企业能够复用已有的数据治理投入，避免重复劳动，并确保业务用户获得一致、可信的定义。
行业意义：从孤立到连接
这一发布反映了 AI 分析领域的一个重要趋势：目录感知的 AI。随着 Text2SQL 等自然语言查询技术的普及，AI 的答案质量取决于底层语义上下文的丰富程度。Amazon Quick 不再作为孤立产品运作，而是原生消费上游数据目录中的定义、关系和治理元数据，从而为企业提供规模化、可信赖的智能分析。
未来展望
目前该功能处于预览阶段，仅支持 AWS Glue 和 Databricks Unity Catalog，但 Amazon 表示将逐步扩展对其他目录的支持，如 Snowflake Horizon 和 Collibra。对于已在这些平台上投入大量资源的企业而言，Agentic Catalog Experience 有望显著缩短数据到洞察的周期，释放 AI 驱动的业务价值。
