跳转到主要内容
  • Genie Ontology现已正式可用,它是一种智能体本体,由智能体根据团队日常工作构建、由人员治理,让每个智能体对业务形成统一理解。
  • 本次发布推出面向企业知识的Genie Search,将学习到的上下文扩展到BI工具和组织目录,新增用于知识策管的Ontology Manager,并让Unity Catalog Domains和Pages正式可用。
  • 在与Turing共同构建的基准测试中,搭载Genie Ontology的Genie通过了91%的企业任务运行,是最强前沿智能体通过率的1.6倍,同时使用的token不到其一半。

AI智能体的实用性取决于其对所处业务的理解程度。在特定领域内,团队可以手动策管这种理解。目前已有数千家客户以这种方式在生产环境中运行 Genie Agents ,包括7-Eleven、维珍航空和通用汽车。然而,企业不再为单一领域部署单一智能体。他们正在各个职能中部署众多智能体,而每个智能体都需要对业务运作方式有同样准确且完整的理解。

智能体所需的企业上下文远超任何团队能够手写或手动建模的范围。它存在于数千个生产仪表板、SQL查询、笔记本和BI语义模型背后的逻辑中,也存在于团队记录定义、维护谁负责什么的工作知识的文档和应用程序中。它还随着产品发布、活动开展和团队重组而每周变化。

这就是本体在企业中历来举步维艰的原因。由专家构建、手动维护的本体只捕捉了业务的一小部分,并随着业务演进迅速过时。智能体改变了这一问题的两个方面。它们现在是企业上下文的主要消费者,也能通过从团队已有的工作中学习来生产上下文。其结果是一种新型的智能体本体——由智能体构建、供智能体使用、由了解业务的人员治理。

我们相信,每个组织都将需要一个统一的智能体本体,连接其所有数据,持续从业务运作方式中学习,并为每个智能体提供同样受治理的理解,无论它运行在Databricks还是其他地方。逐个智能体地构建上下文会产生对业务的分散且片面的视图,而这些视图不可避免地相互冲突。因此,企业本体应当成为共享基础设施,由IT和数据负责人像拥有其下的数据平台一样拥有它。

在Data + AI Summit上,我们 推出了Genie Ontology 作为这一层。今天,我们宣布其正式可用,为智能体提供了新的学习来源,为人员提供了策管和治理所学内容的新工具。我们还分享了与Turing共同开发的基准测试结果,展示了智能体借助它工作时准确率提升的幅度。

是什么让Genie Ontology成为智能体本体?

Genie Ontology之所以是智能体本体,是因为智能体持续为其他智能体构建可供使用的知识,而人员则治理那些需要精确性的业务定义。它结合了学习到的知识和建模的知识,按权威性排序,在尊重现有用户权限的前提下将最可信的上下文交付给智能体。

由智能体构建

Genie Ontology的大部分 知识是自动学习 的,来自反映组织运作方式的系统和工件。智能体从团队已在使用的资产中提取业务上下文,包括Databricks仪表板、SQL查询、笔记本以及Power BI等工具中的语义模型。这些知识被捕获为本体片段(Ontology Snippets)——可复用的业务上下文片段,如计算、业务规则和数据关系——并随着底层来源的演进而持续更新。通过直接从日常工作中学习,Genie Ontology随时间变得更有用,并捕捉到那些手动建模和维护不切实际的团队特定长尾知识。

由人员治理

学习到的知识由建模的知识加以补充,即团队明确定义并通过 Unity Catalog语义治理的业务含义。这包括保存经认证KPI的 Metric Views 、按业务领域组织知识的 Domains ,以及记录业务概念权威定义的 Pages 。组织对相对少量必须精确的定义(如确认收入或ARR)进行建模,Genie Ontology在适用之处将这些定义视为事实来源。

供每个智能体使用

当智能体提出问题时,Genie Ontology的权威感知排序算法OntoRank会评估学习到的知识和建模的知识,以识别最可信的上下文。它权衡来源权威性、认证、知识背后人员的专业性和相关性、流行度以及时效性等信号,以解决定义冲突,并为每个用户和问题选择最佳上下文。随后Genie Ontology将该上下文直接交付给智能体,智能体可以立即基于正确定义进行推理,而不必花费时间和token对数据进行开放式探索。

The agentic ontology for enterprise AI

通过 Genie MCP,同样的上下文可供Databricks之外的智能体使用,如ChatGPT、Claude和Microsoft Copilot,因此团队已在使用的智能体无需重建就能更了解业务。

智能体本体的影响

对智能体本体最清晰的检验,是借助它的智能体是否优于必须自行寻找上下文的智能体。现有的数据智能体基准主要关注表,前沿智能体在这些基准上的得分现已相近,尽管真实的企业问题往往依赖于分散在笔记本、仪表板和文档中的业务上下文。为更好地贴近现实,我们与 Turing 构建一个新的基准,模拟一个虚构的英国能源供应商的实时、真实的 Databricks 工作区。它将由 Genie Ontology 驱动的 Genie 与两个领先的前沿智能体(标记为 Agent A 和 Agent B)进行比较。每个智能体对每项任务都回答相同的问题五次,每个答案都根据运行开始前定义的评分标准进行评分。

智能体

通过率

平均实际耗时(每次运行)

平均 token 数(每次运行)

Genie

91%

100 秒

432K

智能体A

45%

435秒

889K

智能体B

58%

307秒

1.05M

Genie在91%的运行中正确作答,是更强前沿智能体正确率的1.6倍,同时token用量不到一半,完成速度快三到四倍。由于三个智能体都能很好地编写SQL,差异来自上下文。Genie借助Ontology已从工作区学到的知识,直接切入每个问题所需的业务规则,而前沿智能体每次运行都必须重新发现这些知识,且经常返回不符合这些规则的答案。这些结果反映的是一个已建立的部署环境,团队在其中已积累了这些知识,而该 基准研究博客 介绍了方法论和任务演练。您的客户团队可以协助您在您自己的工作区中运行相同的评估。

将 Genie 连接到您的所有数据.

智能体本体只能从其智能体能够访问的数据中学习,因此面向整个企业的上下文层依赖于连接到各种各样的数据源。结构化数据要么通过 Lakeflow Connect 进入 Unity Catalog,要么就地联合,这样 Genie 就能直接从实时运营数据中计算答案。然而,企业所掌握的大量知识都存在于湖仓之外,存在于团队记录决策、解释事物运作方式的文档、工单和 wiki 中。通过本次发布,我们大幅扩展了本体所连接的系统。

Genie 搜索

Genie 搜索, 现已正式可用让人们和智能体能够在他们已有的权限范围内,在文档、工单和 wiki 中查找并使用企业知识,同时也能使用受治理的 Databricks 资产。用户可以在企业内的任何位置查找文档,或提出跨越多个文档的问题。Genie 会在他们已经在使用的仪表板、表和 Genie Agents 旁边返回经过综合并带有引用的答案。由于索引内容也会为 OntoRank 提供信息,这些文档和工单中的知识会成为 Genie Ontology 在决定信任哪些来源时所权衡的证据的一部分。

要 配置 Genie 搜索通过管理控制台,管理员可以连接每个数据源并启用索引。 

随后,Genie 可以一次性搜索完整索引,而无需分别查询每个数据源,从而使答案更加完整,并让智能体以更少的工具调用和 token 找到正确的信息。对于实时工作,例如查看 Jira 工单状态或创建新工单,Genie Search 会与 MCP 连接器协同工作。Genie 会针对每项任务决定从索引、MCP 或 SQL 中调用多少内容。Genie Search 目前支持 Google Drive、Jira、Confluence 和 Workday,SharePoint 处于 Beta 阶段,还有更多连接器即将推出。

重建和维护源权限是企业搜索部署中最困难的环节之一。Genie Search 通过 Unity Catalog 连接,在摄取每个源内容的同时一并摄取其访问控制,并在返回任何结果之前强制执行这些控制,因此人员和智能体只能看到他们在原始应用中本就可以打开的内容。由于 Genie Search 作为 Databricks 上的托管服务运行,组织无需维护单独的权限模型,也无需采购单独的搜索基础设施。Genie Search 现已在 Genie 中提供,并可用于以下页面的资产搜索: 发现页面.

让智能体有更多可学习的内容

学习到的知识是 Genie Ontology 中占比最大的部分,而通过此次发布,它从工作区延伸到了外部 BI 工具,以及决定谁的知识对每个人最相关的组织关系之中。

本体片段(Ontology Snippets)现已正式可用,它是构成 Genie Ontology 学习知识的单元。Genie 会基于人们日常使用的仪表板、SQL 查询和笔记本自动且持续地构建这些片段,并在这些工作发生变化时刷新它们,因此本体无需任何人手动维护即可跟上业务变化。每个片段始终与其来源资产保持关联,并继承该资产的权限,这意味着 Genie 只会使用用户已被允许访问的上下文。

本体片段(Ontology Snippets), 现已正式可用,是构成 Genie Ontology 学习知识的单元。Genie 会基于人们日常使用的仪表板、SQL 查询和笔记本自动且持续地构建这些片段,并在这些工作发生变化时刷新它们,因此本体无需任何人手动维护即可跟上业务变化。每个片段始终与其来源资产保持关联,并继承该资产的权限,这意味着 Genie 只会使用用户已被允许访问的上下文。当 Genie 引用某个片段时,用户可以看到该定义的来源、作者以及它为何值得信任。

外部知识源

组织的大量业务逻辑已经存在于 Power BI、Tableau 和 Sigma 等 BI 工具的语义模型中,为每项 AI 计划重新构建这些逻辑会造成重复工作并导致上下文漂移。外部知识源(现处于 Beta 阶段)通过连接外部 BI 平台、识别语义模型、度量值、计算列和关系,并据此生成本体片段(Ontology Snippets),将这些逻辑引入 Genie Ontology。目前支持 Power BI。对 Tableau 和 Sigma 的支持即将推出,血缘支持也将随后跟进。要开始使用,请查阅 产品文档.

组织通讯录

业务知识只是全貌的一半。要让它真正有用,智能体还需要理解知识背后的人,以及这些人与提问者之间的关系。 组织通讯录, 现已正式可用将这些上下文引入 Genie Ontology。先从 Workday 开始,他们导入人员、团队和汇报关系,使其可通过 Genie 中的人员浏览器访问。

Genie Ontology 将这些正式的组织关系与活动信号相结合,后者揭示出谁实际上通过他们创建、共享和使用的资产在一起协作。OntoRank 同时利用这两者,对来自团队成员和密切协作者的知赋予更大权重,帮助智能体为每位用户提供更相关的答案。

治理智能体所学的内容

Genie Ontology 通过使用不断学习和改进,但智能体回答的质量仍取决于其所依赖知识的准确性。因此,组织需要能够审查、完善和治理其本体的能力。Databricks 在治理底层数据的同一平台内提供这些能力,确保智能体基于可信的业务上下文运行。

治理建立在组织已在 Databricks 中使用的各项控制措施之上。 Unity Catalog 负责治理底层知识,管理权限、血缘和定义,以确保用户和智能体只能访问其被授权查看的内容。 Unity Catalog 负责管理智能体与该知识的交互方式,控制连接、使用限制、防护机制和审计。二者共同提供一致的治理,使 Genie Ontology 在扩展到更多智能体和系统时无需引入单独的控制平面。

Unity Catalog 域与子域

域与子域, 现已正式可用,赋予 Genie Ontology 其组织结构。他们按业务用途对数据和 AI 资产进行分组,因此当同一个术语对不同团队意味着不同含义时,Genie 可以根据其关联的域,应用最符合该问题的定义。域还使人们能够浏览并查找数据,在 发现页面,具体取决于其业务组织方式。策展和管理可以按域或子域级别委派,因此财务和营销部门可以各自维护自己的定义和资产,而无需依赖中央团队。

“让数据更容易被发现和理解,是我们不断演进全航空公司分析能力的重要一环。Databricks Domains 为我们提供了一种更清晰、更直观的数据组织方式,帮助我们的团队更有信心地应对日益复杂的数据格局。”——Tom Barber,维珍航空 BI 与高级分析负责人
“域和子域让业务用户能够轻松定位并获取其业务角色所需的数据资产。”——Michael Poremba,McAfee 数据架构高级经理

Unity Catalog Pages

Unity Catalog Pages, 现已正式可用,请向 Genie Ontology 提供你的权威定义。每个 Page 都是对业务术语、实体或缩写的受治理解释,具有指定的负责人,并归属于某个域或子域。当问题涉及已定义的概念时,Genie 会将 Page 视为事实来源,优先于学习到的上下文,并引用它以便用户核实答案。

智能体不仅可以使用 Pages,还可以帮助创建 Pages。团队可以使用 Genie Code 中的“批量导入 Pages”提示,从 Confluence、Slack、Google Docs 和 GitHub 等 MCP 连接的工具中起草 Pages,或使用公共 API 与现有知识平台同步。Pages 直接链接到 Unity Catalog 资产、仪表板和其他 Pages,并且每个 Page 都始终由其指定负责人掌控。

“在之前的工作中,我需要花两周才能完成的事情,现在五分钟就能完成。借助 Unity Catalog Pages,Genie 能够理解 Agrifirm 如何定义活跃客户和非活跃客户,并计算不活跃时间窗口,从而使复杂的历史分析更快、更透明。通过展示数字背后的方法论,Genie 帮助我们在前期就建立起对其答案的信任。”——Henri van Dijk,Agrifirm 数据治理与质量保证官
“借助 Unity Catalog Pages,我们可以为 Genie Agents 提供一个可信的业务知识来源,该来源按 Ontology 进行优先级排序,从而针对非常具体的问题给出好得多的答案。而且,由于我们使用 Pages 来定义行业术语和缩写,每个智能体的指令都可以大幅精简,从而获得更好的工作记忆——并且再次带来更好的答案。”——Ian Smith,Waste Connections 的 Databricks 平台经理

Ontology Manager

随着智能体不断扩充本体,负责本体的人员需要一种方式来查看它已知的内容、找出它的不足之处,并策管最重要的知识。即将以 Beta 版推出的 Ontology Manager 将是用于这项工作的首个可视化界面。数据管理员和上下文工程师将评估本体的整体健康状况,识别最重要的缺口,设定顶层领域结构并配置外部知识源。领域专家将在其业务领域内组织和策管知识,业务用户则能够在其现有权限范围内查看 Genie 所依据的上下文。

Ontology Manager 还将呈现高影响力的机会,例如覆盖较薄的领域或缺乏受治理定义的高频提问概念,而数据管理员将能够直接从审核队列中把智能体学到的内容提升为权威 Pages。交互式图谱将让用户探索 Genie Ontology 中的实体和关系并创建新知识,而分层视图将支持在特定领域内进行日常策管。要了解更多关于 Ontology Manager 的信息, 观看产品演示.

客户评价

“我们非常看重 Genie Ontology 让答案背后的上下文更加透明、可检查;引用让用户能够将答案追溯到底层来源和业务定义,这有助于建立信任并改善我们利益相关方的体验。”——Jehan Saga,Superhuman 数据工程经理
“Genie Ontology 正是我们所需要的,它让我们能够扩展 AI,同时不丢失使其有用的业务上下文。它是我们数据团队的效能倍增器。”——Noah Cepela,Mode Global 分析与洞察高级副总裁
“Databricks Ontology 与 Genie Code 对我们而言是颠覆性的改变。我们正用它来构建仪表板、应用、AI 智能体等。过去需要数天才能创建的 Power BI 报表,现在借助 Genie Code 只需数小时即可完成,我们的分析师对这一体验非常兴奋,他们已经在考虑将更多报表迁移到 Databricks Dashboards。其影响远不止于报表:过去主要使用 Excel 和 SQL 的分析师,现在正使用 Genie Code 构建 Databricks Apps,为我们的运营团队提供支持。通过将这种能力直接交到分析师手中,我们得以更快地交付解决方案,每月为运营团队节省超过 1000 个工时。”——Kyle Burke,BHG Financial 数据平台副总裁
“业务语义让我们的 Genie 体验在 Genie、Agent 和 Code 中更加准确、更具上下文感知能力。我们不再通过技能和指令将业务知识嵌入到各个智能体中,而是可以一次性建立业务知识,并使其跨解决方案和领域可用。”——Kristoffer Absalonsen,Odfjell Technology 企业架构师
“在Zepto,我们希望AI能够理解我们的业务运作方式,而不仅仅是它处理的数据。Genie Ontology通过将业务定义和上下文整合在一起,帮助我们实现这一点。例如,订单履行时间、配送TAT和订单满足率等指标,只有在正确的业务上下文中理解才有意义。这有助于AI超越单纯的指标报告,进而解读指标,并将业务数据转化为可执行的洞察。”——Deepak Siroya,Zepto分析副总裁

如何开始使用

Genie Ontology 现已正式可用。 现已正式可用。组织可以从他们已有的上下文入手,先在 Unity Catalog 中治理最重要的定义,再让 Genie Ontology 从团队每天的工作中学习其余部分。了解更多:

这是我们众多公告中的一个,正值 Genie 周在接下来的几天里,我们将分享 Genie、Genie Agents 和 Genie MCP 的全新内容,它们都构建在此处介绍的智能体本体之上。

我们迫不及待想看到 Genie Ontology 如何帮助你在整个企业中部署可靠的 AI 智能体。

在您的收件箱中获取最新文章

订阅我们的博客,最新文章将直接发送到您的收件箱。

订阅

查看所有博客 slice-start id="_gatsby-scripts-1" slice-end id="_gatsby-scripts-1"