top of page

Databricks Genie Agents 更新将能力从数据问答扩展至工作流

48分钟前
讀畢需時 11 分鐘

Databricks 于 11 月 11 日扩展了 Genie Agents,在加入企业上下文和行动能力的同时,仍有重要功能处于预览或 beta 阶段。Databricks Genie Agents 更新将一个熟悉的业务问题与更棘手的运营问题联系起来:分析结论何时应当转化为行动?

此次公告将文档分析、应用连接和外部共享纳入同一产品叙事。这些新增能力面向跨越数据库、文件和业务应用的工作需求,也引入了证据、权限和审核方面的不同要求。

核心张力在于更广泛的上下文与受控执行之间。能够解释营收变化的系统,与能够发布结论或更新记录的系统,承担着不同责任。Snowflake 的 Cortex Agents 为这一方向提供了竞争参照。对于企业买家而言,问题正逐渐从系统是否支持自然语言提问,转向这些系统如何结合信息与权限。

Databricks Genie Agents 更新实际新增了什么

此次发布扩展了现有分析产品,而新功能的可用性各不相同。

根据该公司的 Genie Agents 更新,非结构化文档分析进入公开预览。非结构化数据是指存储在文档和图像中、而非组织为数据库表格的信息。原生 Model Context Protocol 连接器可让智能体与外部工具通信,被描述为正式可用。

面向 Genie Agents 的 OpenSharing 和 Genie Clean Rooms 仍处于 beta 阶段。OpenSharing 可让提供方在不同 Databricks 账户间分发智能体。Genie Clean Rooms 则提供受控的问答界面,并对接收方隐藏底层数据。即使这些功能在演示中同时出现,其发布阶段仍需分别看待。

这是更广泛 Genie 系列公告中的一次组件更新,不应被解读为 Genie 的首次发布。它也并不意味着与更大 Genie 产品家族相关的每项能力都已可供全面部署。

实际变化在于,智能体在回答前可使用的证据范围。表格可以显示某项业务指标发生了变化;文档可以解释例外情况、合同条件或操作流程;应用连接则可提供另一部分上下文,或提供发送结果的位置。

这种组合改变了分析请求的形态。用户可以提出一个同时依赖计算和解释的问题,生成的工作流也可能延伸到计算发生地点之外。

以一个示例性客户审查为例:销售经理在报表表格中发现某个商机正在流失。其原因可能取决于客户计划和最近一次客户沟通。能够访问这些来源的智能体,比仅限于表格的智能体有更好的起点。

不过,获得更多证据并不意味着这些证据就相关或仍然有效。一份看似精致的回答,仍可能将准确的计算与过时的解释结合起来。因此,买家需要将来源覆盖范围与答案质量区分开来。

Databricks Genie Agents 更新之所以重要,是因为它将这些问题带入了产品的运营范围。它让分析与执行之间的边界更加清晰。评估这条边界,需要超越对话界面,审视每个答案背后发生了什么。

文档上下文改变了答案的责任归属

文档分析将部分实施负担转移给负责业务证据的人员。

Databricks 的 文件分析文档说明,可以将 Unity Catalog volumes——即受治理的文件容器——附加到智能体上。文件分析使用 Agent mode,即产品的多步骤推理模式。答案可以包含指向特定来源页面的引用,访问权限则遵循请求用户自身的权限。

文档还定义了实际限制。作者附加的是整个 volume,而非其中选定的文件夹。内容搜索支持托管 volumes,并会跳过大于 100 MB 或超过 500 页的文件。区域依赖同样适用。

这些细节使文档组织成为运营问题。一个同时包含已批准政策和过时草稿的 volume,与经过精心维护的资料集合,会形成截然不同的证据环境。智能体界面并不能消除判断哪些文档应归在一起的需求。

这不仅给数据团队带来压力,也影响业务负责人。财务部门可以负责指标定义,而法务部门则负责会改变其解读方式的合同条款。结合两类来源的答案,需要这些责任之间存在清晰关系。

以一个示例性采购问题为例:支出记录可能识别出成本上升的供应商,合同文件则可能解释续约条款或协商后的例外情况。只有当智能体能区分现行协议与已被取代的版本时,结合这些来源才有意义。

页面引用让审核更可行,因为它为读者提供了可供具体查看的位置。但它并不能证明所选页面支持结论的每一部分。引用本身可以准确,而由此得出的推理仍可能并不完整。

当用户追问某件事为何发生时,这一区别尤其重要。数值变化与文档评论可以同时出现,却不能因此证明存在因果关系。智能体应保留这种不确定性,而不是将邻近性转化为解释。

因此,负担发生了转移,而非消失。受管理的文档功能可以减少自定义集成工作,但领域专家仍需确定什么构成权威证据,以及冲突来源应如何影响回答。

从相关段落中作答,与在整个集合中建立全面模式之间也存在差别。一份令人信服的摘要本身并不能揭示系统搜索得有多彻底。审核者需要追问:被遗漏的证据是否会改变结论。

最适合部署的场景是来源清晰、责任主体明确且边界有限的业务领域。更广泛的资料集合会扩大可回答问题的范围,但也让来源选择更难评估。当其权威性可被理解时,更多上下文才真正有用。

应用访问使行动成为独立决策

获取信息的权限,应与更改另一个系统的权限分开评估。

Databricks 将其数据摄取服务 Lakeflow Connect 与运行时工具连接区分开来。摄取会将应用数据带入分析环境;运行时连接则让智能体在执行任务时与应用交互。即便涉及相关业务信息,这两条路径服务的目的也不同。

MCP 工具文档描述了单独的用户身份验证,以及使用请求用户权限执行的工具调用。它区分了自动读取操作与需要请求批准的写入操作。作者可以启用或禁用单个工具。

这里存在一个值得保留的可用性差异。11 月 11 日的公告称原生 MCP 连接器已正式可用;而最后更新于 11 月 9 日的集成指南,仍将 Genie Agents 中的 MCP 工具标记为 beta。买家应确认其工作区支持的配置,而非假定可用性完全一致。

对于部署规划而言,更大的问题是知识与权限之间的关系。获取客户计划可以帮助解释一项建议;将该建议发布到共享频道,则会改变谁能看到它,以及其他人可能如何使用它。

一个示例性销售审查体现了这种区别。智能体可以将销售管道数据与客户文档进行比较,并准备一份策略摘要。在任何人批准分发之前,这项分析就可能具有价值。发送摘要则引入了关于受众、内容和时机的另一项决策。

用户现有的应用权限构成访问边界,但并不能回答所有工作流问题。某人可以正当地访问一份文档,却仍可能需要管理层审核,才能传播基于该文档得出的结论。技术授权与业务批准服务于不同目的。

这正是 Databricks Genie Agents 更新改变买家评估方式的地方。成功使用工具的演示只能证明连接正常工作,不能证明所选行动符合组织流程。

当工作流中途停止时,这一区别同样重要。正确的分析可能先于一次失败的写入操作;反过来,即使底层建议需要修正,一项行动也可能成功完成。将整个对话视为一次单一成功,会掩盖这些差异。

因此,评估这些工作流的团队应审视中间结果。他们需要理解检索了哪些信息、产生了什么结论,以及提出了什么行动。每一步都呈现不同类型的失败风险。

这并不要求每项任务都变成漫长的审批流程,而是要求让审核负担与后果相匹配。供个人查看的草稿,与共享的运营更新,应得到不同对待。

这一产品方向适合本就跨越多个应用的工作。其价值取决于能否减少交接,同时不让责任追踪变得更困难。决定性问题在于,用户是否能够理解并控制从证据到执行的转换过程。

Snowflake 表明:聊天界面已不再足够

竞争压力涉及完整的分析工作流,包括证据如何被组合和审核。

Snowflake 的 Cortex Agents 文档描述了一个结合结构化与非结构化来源的系统。Cortex Analyst 生成数据库查询,Cortex Search 检索文档信息,智能体协调这些工具并对其结果进行推理。

Snowflake 还记录了自定义工具、外部 MCP 连接、监控和评估功能。其文档明确警告,回答准确性和引用并不受保证。这些能力构成了有意义的比较,而非证明任一供应商在特定工作负载上表现更好的证据。

共同方向已经明确:自然语言分析正日益涵盖查询周边的工作。用户希望获得解释、支持材料和有用的下一步。单靠对话界面并不能解决这些工作应如何开展的问题。

对于买家而言,这使比较从功能清单转向运营评估。两家供应商都可以描述如何结合数据和文档。真正有意义的差异,会在实际问题包含歧义、证据缺失或定义冲突时显现。

一个示例性的营收问题可能会使用一个在财务和销售部门有不同理解的术语。挑战不只是生成一个有效查询,而是选择预期的业务定义,并说明哪种解释影响了结果。

应用访问增加了另一个比较维度。工具列表可以显示某个代理能够访问业务系统。买方仍需确认,由此产生的交互是否遵循其审核流程,并提供足够细节以便排查问题。

这要求供应商让其工作流可供检查,也要求内部团队界定何为令人满意的结果。如果没有共同认可的标准,一场有说服力的演示可能会让展示质量取代任务完成情况。

比较还应考虑企业现有的环境。迁移数据、重建定义或引入新的管理边界,都可能影响实际结果。最佳的对话式回答只是部署决策的一部分。

这一转变也对孤立的分析助手提出了挑战。仅限于回答数据库问题的工具,必须证明用户之后需要进行的交接是合理的。然而,更广泛的代理也必须证明其引入的额外复杂性是合理的。两种方法都不会仅仅因为支持更多功能而胜出。

对于知识工作者而言,个人信息检索与共享的企业分析之间也存在类似边界。个人知识与团队知识之间的区别,有助于厘清每个环境中应包含哪些来源和责任。

因此,其竞争含义比“代理取代现有分析工具”的说法更为有限。供应商竞争的是掌控从业务问题到经审核结果的更大一段路径。客户应根据自身证据和运营约束来评判这一路径。

外部共享延伸了治理边界

共享代理会带来与接收方获得的答案,以及他们无法直接检查的数据相关的责任。

Databricks 的 OpenSharing 公告将该协议定位为超越表格和文件共享的扩展。公告区分了开放协议与 Databricks 的企业级实现。在针对特定产品配置评估互操作性主张时,这一区别很重要。

对于 Genie Agents,11 月更新引入了处于 beta 阶段的共享功能。提供方可以将上下文和指令与代理一同打包。Genie Clean Rooms 面向这样一种场景:接收方应获得答案,但不应直接看到底层数据。

这改变了提供方必须维护的内容。数据集具有定义、刷新预期和访问条件。代理则增加了另一层:影响问题如何被理解,以及证据如何形成答案的指令。

以一个示例性的供应商关系为例。一家制造商希望合作伙伴调查交付表现,但不暴露每一条内部记录。受控的代理界面可以提供一条更有限的信息获取路径,前提是其允许给出的答案符合预期的合作关系。

关键区别在于隐藏原始记录与限制答案披露的内容。这两个目标彼此相关,但并不相同。隐私评估需要考虑可通过回答获取的信息,包括针对重复或密切相关问题的回答。

这是一个分析层面的考量,并非声称已公布功能存在已被证实的漏洞。公开的产品说明并不能证明每一种可能的推断风险都已被消除。买方应避免将架构意图视为全面的隐私保证。

外部共享也改变了模糊指标所带来的后果。内部同事通常可以通过既有的工作关系澄清令人困惑的定义。客户或合作伙伴则可能合理地将代理的回答视为提供方的官方立场。

这使定义和指令的所有权在商业上变得重要。提供方需要决定如何将更正传达给接收方,以及用户如何识别含义的变化。对话式回答不应悄然掩盖已修订的业务规则。

不受支持的问题也存在类似情况。共享代理可能看起来比固定报告更灵活,从而鼓励接收方进行探索。其有用性部分取决于它能否识别现有数据不足以支持答案的情况。

因此,提供方的责任不止于让代理可访问。它还包括维护源材料、允许提问的问题与最终结论之间可信赖的关系。打包智能并不会消除明确边界的必要性。

Databricks Genie Agents 更新表明,分析体验将与数据一同分发。这是产品角色的一项重要扩展。其成功将取决于提供方能否以维护底层信息产品时同样的审慎程度来支持这些体验。

当这些功能进入更多工作流时应关注什么

接下来有价值的证据将涉及部署准备度、混合来源答案质量,以及具有可见问责机制的已完成工作。

第一个信号是更明确的可用性。在未来数月中,买方应关注发行说明和文档中关于文档分析与共享的变化。他们还应关注连接器指南是否解决了公告与集成文档之间的不一致。

一致的指南将增强这样一种判断:组织可以围绕稳定的功能集规划部署。持续存在的差异则会使评估更依赖于针对特定工作区的确认。这两种结果都不应仅从广义的 Genie 品牌推断出来。

第二个信号是关于同时需要文档和表格的问题的证据。一项有用的评估应显示,系统是否找到了必要的证据并正确解读了它。仅有流畅的回答,几乎无法让人了解这两项要求是否得到满足。

Databricks 的代理监控文档为测试和审查代理行为提供了基础。买方应利用这一能力,检验自身业务中的代表性任务。重要的结果是,在来源和指令发生变化后,性能是否仍能保持在可接受水平。

例如,评估可以区分正确的计算与有证据支持的解释。一条回答可能得出了正确的财务数字,却误读了合同例外情况。分别记录这些结果,会使部署决策获得更多信息。

采用清晰方法的独立评估或客户发布的评估,将增强更广泛使用该产品的依据。省略来源条件或失败案例的报告,仍会留下重要问题未获解答。证据应说明测试了什么,而不只是描述用户热情。

第三个信号是已完成的工作,以及易于理解的决策记录。组织应关注,更广泛的上下文是否降低了得出经审核结果所需的工作量。他们还应审视检查、更正和维护代理所引入的工作。

如果有人必须重构其推理过程,看似更快的回答仍可能造成后续工作。当审核具有实际后果时,较慢但有充分支持的答案可能更有价值。比较需要覆盖完整任务。

成功案例应区分建议的行动与已获授权和已完成的行动。它们还应为适当的拒答或升级处理留出空间。能够识别证据不足的代理,可能比总是给出自信建议的代理更能服务于工作流。

这些信号将决定企业会向扩展后的产品赋予多少运营责任。功能访问创造了测试这种责任的机会。可重复、可检查的结果,则为进一步扩展这种责任提供了更有力的基础。

在扩大试点之前,选择一个本就需要计算、文档证据和经审核后续步骤的业务问题。在比较代理的回答之前,先确立正确结果应具备的标准。请负责的业务负责人分别检查证据和拟议行动。记录何处仍需要人工判断,以及该工作流在审核后是否节省了工作量。利用这些发现决定哪些额外来源或工具值得获得访问权限。Databricks Genie Agents 更新扩展了团队能够尝试的范围;实际决策是其证据足以证明接下来应赋予哪些责任。贵组织需要看到什么,才会信任由此产生的行动?

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page