「SnowflakeのCopilotちゃんを賢く使うには、Table/Viewのカラムにきちんとコメントを入れて、検索されやすいようにしておくことが重要」と聞きまして、
カラムのdescriptionをいい感じに伝播してくれるdbt-osmosisとかを試してみました。

dbt-osmosis を使ってみる

dbtCoreをインストールして適当なモデルを作成しておく。
(dbt-osmosisはdbtCloudで使うのがちょっと大変なので、今回はdbtCore前提。)
dbt-osmosisをインストールする。

dbt_project.ymlにdbt-osmosisの情報を追加する

dbt_project.yml

models:
  your_project_name:
    +dbt-osmosis: "your_project_name.yml" ## モデルの詳細記述用ドキュメントファイル

"your_project_name.yml"という空ファイルを追加する。
dbt run を実行してカラムを確定させた後に、dbt-osmosis を実行する
```
$ dbt run
$ dbt-osmosis yaml refactor
```

"your_project_name.yml" の内容を確認する。

your_project_name.yml

  - name: my_third_dbt_model
    columns:
      - name: ID
        description: The primary key for this table
      - name: TEST
        description: second add にほんご

日本語も出てきたので大丈夫そうです。

dbt persist_docs を使ってみる

"your_project_name.yml"がdbt docs に使えるのはもちろんですが、カラムのコメントにも適用してくれればいいのにな、と思ってたらありました。

dbt_project.yml にpersist_docsを使うぜ、と追記する。

dbt_project.yml

    models:
      your_project_name:
        +dbt-osmosis: "your_project_name.yml"
        +materialized: view
        +persist_docs:
          relation: true
          columns: true

dbt-osmosis を実行後に、再度 dbt run を実行する。
```
$ dbt run
$ dbt-osmosis yaml refactor
$ dbt run
```
作成された Table/Viewを確認する。

descriptionに入ってきました。いい感じです。

起点(sources)のメタデータを取得する方法を知りたい！

dbtといえばsourceのTable/Viewを設定して、これをもとにパイプラインを構築していくわけですが、
「sourceのymlファイルにカラムのdescriptionが入ってれば、全部dbt-osmosisが伝播させていくので楽なのでは？」
と誰しも考えると思うんですよ。でも、sourceのTable/Viewにコメントが入っていても、dbt-osimosisでは拾ってくれなさそう。
(dbt-osmosis yaml documentで hoge_souces.ymlにカラムを書き出してはくれるが、descriptionは''。)
コメントが入っていれば、information_schemaから力技で持ってこれるのではないかと、下記リンクを参照にやってみました。

packages.ymlにcodegenとdbt_expectationsを追加し、パッケージを反映させる。

packages.yml

packages:
  - package: dbt-labs/dbt_utils
    version:  1.3.0
  - package: dbt-labs/codegen
    version: 0.13.1
  - package: calogica/dbt_expectations
    version: [">=0.10.0", "<0.11.0"]

$ dbt deps

macroファイル作成

macros/generate_source.sql

{% macro generate_source(database_name, schema_name, source_name) %}

{% set sql %}
    with "columns" as (
        select '- name: ' || lower(column_name) || '\n            description: "'|| lower(comment) || '"'
            as column_statement,
            table_name,
            column_name
        from {{ database_name }}.information_schema.columns
        where table_schema = '{{ schema_name | upper }}' and table_name not in ('FIVETRAN_AUDIT', 'SCHEMA_MIGRATIONS')
            and lower(column_name) not in ('_fivetran_deleted', '_fivetran_synced')
    ),
    tables as (
        select table_name,
        '\n      - name: ' || lower(table_name) || '\n        columns:' || listagg('\n          ' || column_statement || '\n') within group ( order by column_name ) as table_desc
        from "columns"
        group by table_name
    )

    select listagg(table_desc) within group ( order by table_name )
    from tables;
{% endset %}

{%- call statement('generator', fetch_result=True) -%}
{{ sql }}
{%- endcall -%}

{%- set states=load_result('generator') -%}
{%- set states_data=states['data'] -%}
{%- set states_status=states['response'] -%}

{% set sources_yaml=[] %}
{% do sources_yaml.append('version: 2') %}
{% do sources_yaml.append('') %}
{% do sources_yaml.append('sources:') %}
{% do sources_yaml.append('  - name: ' ~ source_name | lower) %}
{% do sources_yaml.append('    description: "macro generate source"' ) %}
{% do sources_yaml.append('    database: ' ~ database_name | lower) %}
{% do sources_yaml.append('    schema: ' ~ schema_name | lower) %}

{% do sources_yaml.append('    tables:' ~ states_data[0][0] ) %}

{% if execute %}

{% set joined = sources_yaml | join ('\n') %}
{{ log(joined, info=True) }}
{% do return(joined) %}

{% endif %}

{% endmacro %}

macros/properties.yml

version: 2

macros:
  - name: generate_source
    description: A macro to generate source tables and columns from database_name.information_schema.columns
    arguments:
      - name: database_name
        type: string
        description: The database name
      - name: schema_name
        type: string
        description: The schema name
      - name: source_name
        type: string
        description: The name of the source. For example, `raw_accounting`

作成したマクロを実行する

$ dbt run-operation generate_source --args '{"database_name": "your_snowflake_database_name", "schema_name": "your_snowflake_schema_name", "source_name": "source_name_you_want_to_name_with_your_source"}'

実行結果を source.ymlに貼る。

$ (略)
version: 2

sources:
  - name: source_name_you_want_to_name_with_your_source
    description: "macro generate source"
    database: your_snowflake_database_name
    schema: your_snowflake_schema_name
    tables:
      - name: raw_example_1
        columns:
          - name: col1
            description: "col1 column comment"

      - name: raw_example_2
        columns:
          - name: col2_1
            description: "col2_1 column comment"

      - name: raw_example_3
        columns:
          - name: col1
            description: "example_3 col1 column comment"

でも、絶対これよりいい方法があると思う。何か一撃で行けそうなやつがいそう。
何かアイディアをお持ちの方、教えてください。よろしくお願いします。

おまけの疑問 dbt-osmosisのjoinの挙動

dbt-osmosisには、--add-progenitor-to-metaというオプションを指定すると、そのカラムの元モデル（おまえ、どっから来たの？）を追記してくれるのですが、
同一のカラム名をjoinした場合、SELECT文にモデル名を書いても、yamlファイルにはdbt-osmosisの基準でしかメタデータを取ってきてくれない（作成するモデルからの距離？が近い方を取る）ので、ここは自力で書き換えてあげるしかないのでしょうか？
具体的には、

example_join.sql

select r_1.col1
from {{ ref('stg_raw_example_1') }} r_1 
left join {{ ref('stg_raw_example_3') }} r_3 on r_3.col1 = r_1.col1

でr_1の情報を取ってきてほしいのですが、yamlはこうなってしまうんですね。

your_project_name.yml

  - name: example_join
    columns:
      - name: COL1
        meta:
          osmosis_progenitor: source.your_project_name.raw.raw_example_3
        description: example_3 col1 column comment

これは手作業で直していくしかないんでしょうか？？？