處理資料時，您可能曾問過「這個資料欄名稱是什麼意思？」「這個損毀的資料集是誰的？」或「這個資料表是否已核准使用？」中繼資料標記會嘗試回答這些問題，但很快就會過時或不一致。Knowledge Catalog (舊稱 Dataplex Universal Catalog) 可直接將結構化中繼資料和明確的業務定義附加至資料資產，解決上述問題。提供清楚的資料脈絡資訊可做為 AI 代理的基礎，並為與資料互動的每位使用者建立信任感。
本教學課程說明如何在 Knowledge Catalog 中建立資料環境。 本教學課程專為資料管理員和業務分析師等使用者設計，將逐步說明如何透過使用者介面建立標準業務字詞和情境，然後自動執行這些工作流程。本教學課程會釐清重要Knowledge Catalog 概念之間的關係。完成課程後，您將瞭解如何讓資料容易搜尋且值得信賴。
目標
在本教學課程中，您將瞭解以下內容：
- 使用組織詞彙，為商務字詞建立單一事實來源。
- 使用切面類型建構及整理中繼資料。
- 使用切面將中繼資料附加至資料資產。
- 使用 Knowledge Catalog 搜尋功能，透過這項新的結構化中繼資料精準找出所需內容。
事前準備
開始之前，請先執行下列操作：
- 選取本教學課程的Google Cloud 專案。
- 確認專案已啟用計費功能。
設定環境
本教學課程會使用 Cloud Shell，這是可在雲端執行的指令列環境。
在 Google Cloud 控制台，點選右上工具列中的「啟用 Cloud Shell」。佈建並連至環境預計只需要幾分鐘。
在 Cloud Shell 中設定
PROJECT_ID和LOCATION變數，讓所有日後的指令都以特定 Google Cloud 專案為目標。export PROJECT_ID=$(gcloud config get-value project) gcloud config set project $PROJECT_ID export LOCATION="us-central1"啟用必要的 Google Cloud 服務。
gcloud services enable \ dataplex.googleapis.com \ bigquery.googleapis.com \ datacatalog.googleapis.com
建立 BigQuery 資料集並準備範例資料
請使用下列程式碼建立 BigQuery 資料集，並將一些範例 CSV 交易載入資料表。建立表格後，Knowledge Catalog 會探索該表格，並在目錄中為其建立項目。
項目是 Knowledge Catalog 中資料資產的代表。這就像目錄中的記錄，您可以附加中繼資料。您不必直接在 BigQuery 資料表中新增內容 (或擴充內容)，而是將內容新增至 Knowledge Catalog 中的項目。
# Create the BigQuery Dataset in the us-central1 region
bq --location=$LOCATION mk --dataset \
--description "Sample retail data for foundational data context tutorial" \
$PROJECT_ID:retail_data
# Create a temporary CSV file with the sample data
echo "transaction_id,user_email,gmv,transaction_date
1001,test@example.com,150.50,2025-08-28
1002,user@example.com,75.00,2025-08-28" > /tmp/transactions.csv
# Load the data from the temporary CSV file into a BigQuery table
bq load \
--source_format=CSV \
--autodetect \
retail_data.transactions \
/tmp/transactions.csv
# (Optional) Clean up the temporary file
rm /tmp/transactions.csv
執行 SELECT 查詢，驗證設定：
bq query --nouse_legacy_sql "SELECT * FROM retail_data.transactions"
輸出內容範例：
+----------------+------------------+-------+------------------+
| transaction_id | user_email | gmv | transaction_date |
+----------------+------------------+-------+------------------+
| 1001 | test@example.com | 150.5 | 2025-08-28 |
| 1002 | user@example.com | 75.0 | 2025-08-28 |
+----------------+------------------+-------+------------------+
透過組織詞彙建立通用字詞
如要取得良好的資料脈絡，必須有明確的定義。舉例來說，開發人員不應猜測名為 gmv 的資料欄是指商品交易總值，還是包含稅金和退貨。組織詞彙可為整個機構的這些定義建立單一事實來源。隊友或 AI 代理分析資料時，會沿用這個精確的業務脈絡。共用定義可統一財務、銷售和營運等團隊的指標，並協助 AI 代理避免產生幻覺。
請按照下列步驟建立詞彙表並定義第一個字詞：
前往 Google Cloud 控制台的 Knowledge Catalog「Glossaries」(詞彙表) 頁面。
按一下「建立商務詞彙表」。
輸入下列詳細資訊：
- 顯示名稱：
Retail Business Glossary - 位置：
us-central1 (Iowa)
- 顯示名稱：
點選「建立」。
按一下「建立類別」。
為類別命名
Sales Metrics，然後按一下「建立」。選取「銷售指標」類別，然後按一下「新增字詞」。
為字詞命名
Gross Merchandise Value，然後按一下「建立」。按一下「商品交易總值」字詞，開啟詳細資料頁面。
按一下「總覽」旁邊的「新增」。輸入下列詳細資料：
The total value of merchandise sold over a given period of time before the deduction of any fees or expenses. This is a key indicator of e-commerce business growth.按一下 [儲存]。
您已建立詞彙表字詞，現在可以連結至貴機構的資料項目。
使用切面類型定義技術中繼資料
使用非結構化中繼資料標記時，目錄項目通常會不一致。舉例來說，一個表格可能標記為 owner:bob，另一個表格則標記為 steward:alice@example.com。如要大規模整理中繼資料，必須採用一致的結構定義。
這時構面類型就能派上用場。切面類型是中繼資料藍圖，可讓您設定明確的規則和必填欄位。要求資料管理員提供有效電子郵件地址等標準欄位，可讓下游指令碼自動驗證及保護中繼資料。
如要建立切面類型，請按照下列步驟操作：
前往 Google Cloud 控制台的 Knowledge Catalog「Metadata types」(中繼資料類型) 頁面，然後點選「Aspect types」(層面類型) 分頁標籤。
在「自訂」分頁中，按一下「建立」。
輸入下列詳細資訊：
- 顯示名稱：
Data Asset Context - 位置：
us-central1 (Iowa)
- 顯示名稱：
在「範本」部分，按一下「新增欄位」，建立下列三個欄位：
欄位 1：
- 顯示名稱：
Data Steward - 「類型」：
Text - 「為必填項目」：勾選核取方塊。
- 文字類型：
Plain text
- 顯示名稱：
欄位 2 (按一下「新增欄位」)：
- 顯示名稱：
Data Sensitivity - 「類型」：
Enum - 是否為必填欄位：選填。
- 值：新增
Public、Internal和Confidential
- 顯示名稱：
欄位 3 (按一下「新增欄位」)：
- 顯示名稱：
Last Review Date - 是否為必填欄位：選填。
- 「類型」：
Date and time
- 顯示名稱：
按一下 [儲存]。
您現在可以為資料管理相關中繼資料欄位 (例如資料管理員、機密程度和審查日期) 建立層面類型。在下一節中，您將透過附加含有這些欄位特定值的構面，將這個結構定義套用至表格項目。
為項目加入業務和技術背景資訊
資料欄名稱通常會縮寫或含糊不清。將資料欄連結至組織詞彙中的字詞，可提供清楚一致的定義。在這個步驟中，您要將「Gross Merchandise Value」字詞連結至名為「gmv」的資料欄，並使用自己的層面類型將層面附加至資料表項目，藉此擴充「retail_data.transactions」資料表的項目。
將資料欄連結至企業字詞
如要說明 retail_data.transactions 中的 gmv 欄位，請將其連結至 Gross Merchandise Value 字詞。
前往 Google Cloud 控制台的 Knowledge Catalog「Search」(搜尋) 頁面。
按一下「篩選器」開啟「篩選器」面板。
在「範圍」部分，選取「目前的專案」。
搜尋
retail_data.transactions，然後按一下傳回的交易資料表。按一下「結構定義」分頁標籤。
選取「」
gmv欄旁的核取方塊，然後按一下「新增業務字詞」。選取「
Gross Merchandise Value」。
將切面附加至資料表項目
除了將業務字詞連結至資料欄，您也可以將切面附加至表格項目，擷取表格層級的中繼資料，例如資料擁有權和機密程度。
切面是切面類型的例項，具有中繼資料欄位的特定值。將切面附加至項目時，Knowledge Catalog 會根據切面類型中定義的結構定義，檢查您提供的資訊是否一致。
如要定義 retail_data.transactions 資料表的擁有權和機密程度，請附加 Data Asset Context 方面：
- 在「
retail_data.transactions」項目的「詳細資料」分頁中，按一下「選用切面」旁的「新增」。 - 從清單中選取
Data Asset Context。 在欄位中輸入值：
- 資料管理員：
finance-team@example.com - 資料敏感程度：選取「內部」。
- 上次審查日期：選取今天的日期。
- 資料管理員：
按一下 [儲存]。
透過豐富的零售交易資料樣本，您已在 Knowledge Catalog 中建立穩固的資料情境基礎。
使用增強型中繼資料搜尋項目
您現在可以使用 Knowledge Catalog 搜尋功能，根據設定的業務情境尋找項目。舉例來說，您可以找出所有具有特定機密等級的資產，或是搜尋術語來探索基礎資料表。
前往 Google Cloud 控制台的 Knowledge Catalog「Search」(搜尋) 頁面。
按一下「篩選器」開啟「篩選器」面板。
在「範圍」部分，選取「目前的專案」。
在搜尋列中輸入
Find tables where the Data Asset Context aspect has Internal sensitivity.結果清單中應該會顯示
retail_data.transactions資料表。清除搜尋列並輸入
Find tables with the Gross Merchandise Value term attached.您應該會再次看到結果中的
retail_data.transactions表格，因為其gmv欄直接連結至這個商家字詞。
將 AI 代理程式連結至 Knowledge Catalog 時，代理程式會自動沿用這些經過擴充的中繼資料。舉例來說，當您要求代理程式擷取內部銷售指標時，代理程式會讀取「資料機密程度」層面 (您已設為「內部」) 和連結的「商品交易總值」詞彙。有了這個共用脈絡，代理程式就能驗證資料來源、遵守存取政策，並避免產生錯覺。
清除所用資源
為避免產生費用，請刪除您在本教學課程中建立的資源。
刪除範例資料集
如要刪除範例 BigQuery 資料集和所有資料表，請使用下列指令。這個動作無法復原。
# Re-run these exports if your Cloud Shell session timed out
export PROJECT_ID=$(gcloud config get-value project)
# Manually type this command to confirm you are deleting the correct dataset
bq rm -r -f --dataset $PROJECT_ID:retail_data
刪除 Knowledge Catalog 構件
前往 Google Cloud 控制台的 Knowledge Catalog「Metadata types」(中繼資料類型) 頁面，然後點選「Aspect types」(層面類型) 分頁標籤。
選取
Data Asset Context方面類型，然後按一下「刪除」。前往 Google Cloud 控制台的 Knowledge Catalog「Glossaries」(詞彙表) 頁面。
選取
Gross Merchandise Value字詞，然後按一下「刪除」。選取
Sales Metrics類別，然後按一下「刪除」。選取
Retail Business Glossary，然後按一下「刪除」。
後續步驟
如要進一步瞭解如何使用 Knowledge Catalog 策劃目錄及建構代理程式，請參閱下列資源：
- 管理層面及豐富中繼資料：瞭解如何定義自訂結構定義，以及在「管理層面及豐富中繼資料」中附加結構化中繼資料。
- 管理組織詞彙：瞭解如何透過「管理組織詞彙」為機構建立標準化詞彙。
- 使用 Terraform 管理：瞭解如何使用 Terraform 佈建自訂切面類型和詞彙表。
- 大規模處理術語：使用「關於匯入及匯出術語表和詞條連結」一文中的 JSON 檔案，大量豐富中繼資料。
- 使用代理擴充中繼資料：建構 AI 代理來擷取脈絡，並在「建構代理來擴充中繼資料」中擴充資料資產。
- 探索更多用途：在「用途」中，瞭解更多實用工作流程和情境。