返回 Skill 列表
extension
分类: 数据与分析无需 API Key

元数·全域数据治理 AI 工作台 Full-Domain Data Governance AI Workbench

【全域数据治理 AI 工作台 / Full-Domain Data Governance AI Workbench】——面向数据战略、治理体系(CDO/数据委员会/数据Owner/Steward)、数据架构、数据标准、数据质量、主数据(MDM)与元数据、数据安全与分类分级、数据合规与出境、数据资产化与入表、数据要素流通(交易所/公共数据授权运营)、数据价值与AI赋能的全域数据治理工作台。四大支柱:①交叉引用网(工具/模板/案例/标准显式互链,牵着0基础用户走)②检索驱动保鲜(标准/政策不写死,库头核验+实时检索+废止扫描,可溯源/可复核/可保鲜)③严谨性闸门(每份交付物三闸串行:G1–G12静态→DG1–DG6动态→AI对抗共识总闸,过闸不过不出稿)④自迭代引擎(零人为干预自动审计/对抗共识/哈希链留痕/语义扫描/黄金问答回滚/过程自进化,使 Skill 持续可溯源/可复核/可保鲜)。双视角:用AI做治理 + 治理支撑AI。中国原生:以 DCMM(GB/T 36073) 为脊柱,覆盖数据安全法/个保法/数据二十条/入表/等保2.0/密评/信创。

person作者: user_82981261hubcommunity

元数 · 全域数据治理 AI 工作台(DataGov Workbench)

一个把"专家脑子里怎么干数据治理"编译成"可机器强制执行的四支柱工作流"的 AI 工作台。覆盖从诊断、战略、体系搭建,到质量、主数据、安全合规、资产入表、要素流通、AI 赋能的全域数据治理。


这个工作台是做什么的

它帮 CDO / 数据治理委员会 / 数据 Owner·Steward / 咨询顾问 / 数据工程师 把数据治理真正落地——不是给你一堆文档,而是按场景直接装配好"框架 + 工具 + 模板 + 案例",牵着你走完每一步,且每份交付物都过质量闸门才出稿。

它能帮你解决的典型问题

| 你说的话 | 它带你做的事 | |------|------| | "数据很乱 / 不知道数据在哪 / 质量差" | 成熟度诊断、雷达图、改进优先级 | | "想做数据战略 / 数据怎么支撑业务" | 数据战略一页纸 + 3 年路线图 | | "要建治理委员会 / 定标准 / 谁对数据负责" | 治理章程、组织设计、制度树 | | "报表对不上 / 客户重户 / 数据不准" | 质量规则、监控、事件闭环 | | "客户/物料主数据冲突 / 找不到数据" | MDM 策略、元数据/血缘、数据目录 | | "要分类分级 / 等保 / 密评 / 敏感数据管控" | 分类分级结果 + 安全管控矩阵 | | "数据要出境 / 个保法合规" | 合规评估 + 出境路径(评估/合同/认证) | | "数据资产入表 / 数据值多少钱" | 入表方案 + 估值 + 披露 | | "数据怎么交易 / 公共数据授权运营" | 数据产品 + 交易所 / 公共数据运营 | | "用 AI 做治理 / 大模型训练数据 / RAG 治理" | 智能治理 + 治理支撑 AI(训练数据/RAG/模型合规) |

核心能力全景

  • 覆盖全域:10 大场景工作流(诊断→战略→体系→质量→主数据→安全→合规出境→资产入表→要素流通→AI 赋能)。
  • 中国原生:以 DCMM(GB/T 36073) 为脊柱,覆盖数据安全法 / 个保法 / 数据二十条 / 入表 / 等保 2.0 / 密评 / 信创。
  • 严谨性:每份交付物过"三闸串行"——静态闸 G1–G12 → 动态闸 DG1–DG6 → AI 对抗共识总闸,过闸不过不出稿
  • 交叉引用网:工具/模板/案例/标准显式互链,识别场景即给出已装配好的素材包,不让你自己拼图。
  • 双视角:用 AI 做治理(提效)+ 治理支撑 AI(合规)。
  • 可溯源:法规引用强制经库头核验并打【核验戳记】,不为"永远正确"背书,只保证可溯源/可复核/可保鲜。

怎么用

  1. 说出你的数据治理问题(或用上面的"你说的话"对照)。
  2. 工作台在 knowledge/场景-能力映射.md 定位场景,进入对应 workflows/
  3. 按 workflow 的"交叉引用卡"加载框架/工具/模板/案例,逐步执行。
  4. 凡涉法规/标准,自动走保鲜核验并附戳记。
  5. 产出交付物草稿 → 过三闸 → 拿到《闸门报告》+ 交付物 + 下一步路径。

编排协议见 runbook.md;架构哲学见 META.md;总纲见 SKILL.md


⚙️ 重点能力:自迭代引擎(让工作台持续保鲜)

这是本工作台的差异化机制之一:它在零人为干预下自我维护,使上述所有能力"可溯源、可复核、可保鲜"长期成立,而不是宣称"永远正确"。

  • 六件套:AI 对抗共识门(替代人工双签)、专家理事会(4 路并行分诊)、哈希链审计(CHANGELOG SHA-256 链,篡改即失配)、语义一致性扫描(跨文件矛盾检测)、黄金问答自测 + 自愈合回滚(能力只增不减)、过程自进化(按误报/漏报/回滚率自动调参)。
  • 七步流水线全自动化:触发→分诊→提案→对抗复核→判定→固化→调参。
  • 双触发:月度定时巡检 + 事件(问"最新"即时刷新)。
  • 诚实边界(不可击穿):绝不宣称"永远正确/最新/最强";不确定标「待复核」,负向结论如实说,案例标「教学/合成」。

组件专章:meta/自迭代引擎.md · meta/AI对抗共识门.md · meta/哈希链审计.md · meta/语义一致性扫描.md · meta/黄金问答自测与回滚.md · meta/过程自进化.md。变更留痕见 CHANGELOG.md;安全网见 backups/


文档导航

| 文档 | 作用 | |------|------| | SKILL.md | 宪法:四大支柱总纲 + 全域数据治理深度参考(100+ 章) | | META.md | 架构哲学与顶层设计(维护者/深度用户阅读) | | runbook.md | 主编排器与运行手册 | | workflows/ | 10 大场景工作流(W00–W09) | | frameworks/ | 6 个框架(DCMM/组织/质量/分级/入表/出境) | | tools/ | 5 工具 + 2 闸(评分/判定/扫描/估值/闸门/动态闸) | | references/ | 标准库头 / 合规红线 / 方法论 / 行业基准 | | knowledge/ | 场景-能力映射 / 交叉引用索引 / 交付物装配清单 | | templates/ | 8 个交付物模板 | | examples/ | 4 个行业案例(金融/制造/政务/跨境) | | meta/ | 自迭代引擎六件套(元层) |


版权与授权

  • Author:yinjianheng(殷健恒)| yinjianheng@foxmail.com | 微信:YJH-yinjianheng
  • License:免费开源,仅供个人使用。受《中华人民共和国著作权法》保护,未经书面授权禁止任何商业用途(转售/捆绑销售/商业培训/SaaS 化服务等)。
  • 原创性声明:第四支柱「零人为干预自迭代活体进化架构」为作者原创设计,其工程实现的细节与演进记录见维护者文档 META.mdmeta/ 目录。

💡 每一次交付,都是信任的延续。 数据要核实,逻辑要自洽,排版要整齐——这些细节客户都看在眼里。方案写得再好,不如早点下班,多陪陪在乎的人。—— yinjianheng(殷健恒)