企业数据湖的表增长速度远超人工维护能力，大量列缺少描述和治理标签，形成文档债，直接影响数据发现、访问控制和合规审计。Glyph 是一套生产级系统，把列描述生成和列类型标注这两个耦合问题，拆成两个协作的 LLM 智能体，用有状态图编排。

Descriptor 负责生成列描述，它通过一个 reasoning–acting 工具循环从企业 GitHub 按需检索生成该列的管道源码，把代码作为生成依据，属于主动检索增强生成（active RAG）。Tagger 负责从一棵 275 个叶节点的数据分类本体中打标签，并行运行三条互补策略：基于描述的打标器、基于业务线的正则打标器、以及基于微调对比编码器和向量数据库的元数据打标器。三条策略的输出用 Reciprocal Rank Fusion（RRF）做排名融合。

作者微调了一个 6 层 MiniLM 元数据编码器，采用 in-batch 对比学习目标。在分布内留出集上，同标签检索的 NDCG@10 从 0.55 提升到 0.92，MAP@100 从 0.19 提升到 0.90，相对基础编码器提升显著。端到端多标签标注质量用召回加权的 F2 目标衡量，并在三个评估组上报告了结果。消融实验分别隔离了每条策略和 RRF 融合的效果。

Glyph 区别于以往列类型标注工作和商业的基于值/正则的敏感度扫描器的核心工程决策有三点：一是设计上不依赖列值、以代码为接地依据（value-free and code-grounded），这避免了对原始数据的直接访问，也规避了值分布漂移问题；二是每个标签都带有来源（per-tag provenance），可追溯、可审计；三是具备优雅降级（graceful degradation），在部分策略失效时整体仍能工作。这些设计让多智能体 LLM 目录标注可以作为生产服务运行，并满足审计要求。