Intelligent Metadata Harmonization
该工具提供了一个完整的元数据修正与协调工作流，使用 Amazon Bedrock、Amazon S3、Amazon DynamoDB、Amazon Cognito 和 Amazon ECS 构建。工作流包括三个主要阶段：模式对齐（通过 LLM 语义分析识别列结构问题）、元数据字段验证（检查必填字段、枚举值和格式模式），以及推荐生成（采用分层方法：词嵌入、上下文推断、模糊匹配和 LLM 回退）。系统支持人类反馈循环和基于 Model Context Protocol (MCP) 的智能体驱动自动化，使组织可以从受监督的修正逐步过渡到完全自动化的流程。提供了详细的部署指南和 GitHub 代码仓库。
访问官方网站使用场景
该工具提供了一个完整的元数据修正与协调工作流，使用 Amazon Bedrock、Amazon S3、Amazon DynamoDB、Amazon Cognito 和 Amazon ECS 构建。工作流包括三个主要阶段：模式对齐（通过 LLM 语义分析识别列结构问题）、元数据字段验证（检查必填字段、枚举值和格式模式），以及推荐生成（采用分层方法：词嵌入、上下文推断、模糊匹配和 LLM 回退）。系统支持人类反馈循环和基于 Model Context Protocol (MCP) 的智能体驱动自动化，使组织可以从受监督的修正逐步过渡到完全自动化的流程。提供了详细的部署指南和 GitHub 代码仓库。
优势
大幅减少手动元数据对齐时间 可扩展至大规模数据集 分层推荐机制平衡成本与准确性 支持从人类监督到全自动的渐进式采用 云原生架构，易于部署和扩展 模块化设计，可定制以满足特定机构需求 提供审计日志和变更跟踪，支持治理与合规
缺点与限制
需要 AWS 环境和多种工具（CDK、Docker、Node.js、Python 等） 部署和实施存在一定复杂性 LLM 生成的建议可能需要人工审查，存在潜在错误 文章未提供真实部署案例和量化结果 治理和合规方面需要额外关注数据完整性、安全性和负责任 AI 智能体自动化需要谨慎设置操作边界，防止意外修正