- 分析非结构化数据:在 Unity Catalog 卷中跨受治理表和数千份文档提问,并获得页码级引用。现已进入公开预览。
- 连接并采取行动:通过 Lakeflow 引入应用数据,并使用原生 MCP 连接器(现已正式发布)从 Jira、Slack 和 Google Drive 等工具读取数据并对其执行操作。
- 在公司之外共享:使用 OpenSharing(测试版)和 Genie Clean Rooms(测试版),为合作伙伴和客户提供一个受治理的智能体,同时不暴露其背后的数据。
数千个团队使用 Genie Agents ,每天将深层次的运营问题转化为可执行的成果。在各行各业,组织都在将 Genie Agents 用于一些最重要的业务挑战:
- 零售和消费品: 联合利华 使用 Genie Agents 帮助财务团队用自然语言探索盈利能力、信用风险和财务表现。 HelloFresh 使用 Genie Agents,通过统一媒体、创意和财务团队的营销效果洞察,将广告测试速度提高了 4 倍。
- 能源: 标普全球能源 使用 Genie Agents 在数天内将新的数据产品推向市场,而不是通过传统的开发周期。其领域专家自己发布对大宗商品数据的受治理、对话式访问,从 LNG 货物到化学品产能。客户可以直接从自己的 AI 智能体查询这些数据。
- 技术: Atlassian 使用 Genie Agents 帮助安全团队通过自然语言调查数十亿个安全事件,加速威胁狩猎和事件响应。
- 汽车: 通用汽车 已在销售团队、汽车工程师、供应链专家、人力资源运营等岗位部署了 1000 多个 Genie 智能体,全部以各业务线的特定上下文为基础。
- 医疗保健和生命科学: ModMed 使用 Genie Agents 为非技术团队提供对企业数据的安全、自然语言访问,利用目录结构、权限和业务上下文来回答问题,而无需为每个请求构建自定义 AI 应用。
这些用例的共同点是,需要能够深入理解每个企业独特上下文的智能体。Genie Agents 将其响应和操作建立在 Databricks 中精心策划的丰富知识之上,帮助团队从自然语言问题转向可信的洞察和行动。
随着对上下文丰富的工作流的需求增长,智能体需要超越结构化业务数据进行推理。它们需要理解来自非结构化资产的上下文,并连接到企业工具,以便能够跨整个业务环境进行推理,并在运行业务的工具中采取行动。
Genie Agents 的新功能
Genie Agents 最初是将业务问题转化为 SQL 洞察的最快方式。如今,它们已发展为更强大的形态:一个理解你整个业务上下文的无代码智能体。借助 非结构化数据分析 和新的 MCP 连接器,Genie Agents 可以开展高质量的业务分析、分析大量文档,并连接到你的企业工具,代表你采取行动。
现在,借助对 OpenSharing的支持,Genie Agents 可以加速企业外部的洞察获取时间。你可以与合作伙伴、供应商和客户共享一个预加载了你的数据、指令和知识的受治理智能体。外部团队可以立即使用 Genie Agents 从你的数据中获取价值,而无需花时间在洞察上进行交叉协作。
Genie Clean Rooms 更进一步,提供以隐私为中心的智能体协作。你的接收者获得一个 Genie Agent 来与你的数据对话。但底层数据集和知识产权是隐藏的并受到完全保护。这些更新让你能够将受治理的 Genie Agents 扩展到生态系统中的每个利益相关者。
非结构化上下文需要的不仅仅是基本的企业搜索
驱动企业运转的上下文中,有 80% 存在于文档中:合同、发票、索赔、医疗记录、财务报告和通话记录。大规模释放这一上下文可以改变你的业务。
如今大多数智能体依赖通过 MCP 连接器的基本企业搜索,这让你可以直接附加少量文档,并在会话中提取原始文本作为上下文。然而,许多企业用例涉及大型文档语料库或复杂的文件结构。在这里维护上下文和合规性,需要理解文档结构及其关系,同时为企业数据治理创建安全边界。
大规模构建这些工作流还需要开发自定义 RAG,包括高级解析能力、构建单独的 AI Search 端点、编写嵌入管道、总结文档洞察,并将这些摘要传递给具有强大权限的监督者智能体框架。
因此,针对大规模非结构化分析的定制方法可能很快就会在构建和维护方面变得昂贵。
Genie Agents 简化非结构化数据分析
Genie Agents 通过自动处理文档解析、索引和上下文检索,为你的团队简化非结构化数据工作,返回高质量结果以及具体引用。
Genie Agents 使用我们自定义的 AI 文档解析 功能,像人一样读取每个文件。它们识别表格、图表、页眉和页脚,并保留周围的上下文。由于解析和索引大规模运行,一个智能体可以处理数千个文件,搜索与你的问题相关的文件,并为每个答案引用确切的页面。
在 Genie Agents 中这样做的强大之处在于,用户现在可以提出跨文件和表格的问题。“像 Verana Health 这样的客户如今利用 Databricks 大规模处理和分析真实世界临床数据,使用 Genie Agents 从其医疗保健数据集中生成有意义的洞察。
“我们的团队现在希望借助 Genie Agents 扩展这些能力,从非结构化临床数据和其他临床文档中挖掘洞察。我们很高兴能够通过自然语言让这些信息更易获取,使我们的团队能够在结构化数据之外探索更丰富的临床洞察。”——Verana Health 工程总监 Vinodh Simon
我们来看几个额外的示例。
结合表格和文件中的定量与定性洞察。
一位投资分析师发现,某投资组合公司的利润率已连续三个季度下滑。相关证据可能存在于分析师报告、财报电话会议记录和行业研究 PDF 中。Genie Agent 从受治理的表中提取利润率和售价趋势,以找出哪些产品线导致了这一下滑。随后,它在附带的分析师报告和财报记录中搜索竞争对手在同期采取了哪些行动。Genie 为分析师提供数据趋势、可能的原因,以及每项结论的页码级引用。
以文件作为引用参考来回答问题。
在许多企业中,用户需要完成任务,并需要从内部文档中获得指导。解决方案可能就在数千份服务手册、公告和故障排除指南中的某一份里,这些文档涵盖不同的型号和修订版本。在此示例中,智能体识别出型号,仅从数千份文档中搜索相关的服务手册和公告,并返回故障排除步骤,同时引用来源页面。AI 解析会保留表格、图表和编号步骤的完整性,因此技术人员可以获得完整的操作流程。
分析跨文件的数据模式和趋势。
有时用户需要对多个非结构化文件进行定性分析。一位临床试验分析师在试验跟踪数据中注意到,某个部门开展的研究较少。原因可能写在研究者和医生报告中,分散在数十份 PDF 中。智能体在试验数据中确认了这一趋势,然后阅读该部门的医生报告,并提取出反复出现的原因。每一条原因都会引用回来源,因此分析师可以在采取行动前核实证据。逐份阅读这些报告可能需要数天时间。
非结构化搜索在 Genie Agents 内部是如何工作的。
智能体构建者可以将包含 PDF、文档、幻灯片或图像的 Unity Catalog 卷 直接附加到 Genie Agent。智能体会检索与问题最相关的文件内容,并将其添加到上下文中。随后,智能体会结合该内容与任何结构化数据进行推理,生成带有引用的答案。这些引用可以指向源文件的特定页面。用户可以在同一对话中跨特定卷、多个卷和结构化数据提问。
非结构化数据分析在 Agent 模式下运行,使用多步推理来检索和分析最相关的文件内容。它遵循 Unity Catalog 权限,这意味着用户只能看到他们有权访问的文件,并支持内容搜索索引,以便在大量数据中实现更快、更高质量的检索。
Lakeflow Connect 和 MCP 连接器扩展你的智能体覆盖范围
Genie Agents 现在为你提供更多方式,跨系统和工具连接业务上下文
通过 Lakeflow Connect 引入结构化数据. Lakeflow Connect 可将来自 Salesforce、Workday、SAP 或 Marketo 等应用的数据摄取到 Unity Catalog 中。数据进入 Lakehouse 后,Genie Agents 会像分析任何其他受治理表一样准确地分析它,并使用你精心整理的指标视图
使用 MCP 连接器采取行动。 原生 MCP 连接器现已正式可用(GA),让智能体能够从 Slack、Google Drive、Google Calendar、Gmail、Glean、Atlassian、Github 和 Microsoft 365 等工具获取上下文。Genie Agents 还可以通过创建工单、更新记录和发布消息来采取行动。智能体作者可以精确选择每个智能体可以使用哪些工具,并且每个连接器都通过 Unity Gateway.
这带来了哪些可能:
结构化数据、文档和工具都处于同一套治理之下,因此一个智能体可以跨这三者进行推理,并基于这些洞察采取行动
设想一个正在为季度销售管道复盘做准备的销售团队。一个 Genie 智能体在 Databricks 中分析销售管道数据,从 Google Drive 拉取客户计划,从 UC 卷中拉取赢单/丢单报告,然后把交易策略摘要发布到团队的 Slack 频道。智能体作者可以将 Slack 连接器限制为仅发布摘要,管理员则通过 Unity Gateway 治理每一个连接。这就把数小时的手动准备工作变成了一个自动化工作流,让整个团队保持步调一致。
“当可信的上下文出现在工作流程中时,团队才能做出最佳决策。如今 Genie Agents 已连接 Slack,销售、财务和运营团队无需离开对话,就能从提问直接走向行动。我们非常高兴能与 Databricks 携手,将受治理、可靠的洞察带到工作发生的地方。”——Jaime DeLanghe,Slack 首席产品官
Genie Agents 现在可以支持跨组织协作和智能变现
借助 OpenSharing 借助 OpenSharing,提供商现在可以跨 Databricks 账户,与外部接收方共享一个功能完整的 Genie Agent,并预先加载指令和上下文。在底层,OpenSharing 提供对底层数据的实时访问。这为数据变现、合作伙伴协作和跨组织分析开辟了用例,同时无需放弃对数据基础设施的控制权。客户或数据合作伙伴可以通过 Databricks Marketplace 中打包的智能体,与 FactSet 或 LSEG 等数据提供商一起销售“数据智能”,并借此与自己的客户实现变现。
对于需要隐私保护的共享用例,例如敏感的医疗健康或财务数据,Genie Clean Rooms 让你可以共享一个智能体,接收方可以提问并获得答案,但无法看到底层数据或你的 IP。这为数据共享开辟了令人兴奋的新可能:以前因过于敏感而无法整体共享的数据,现在或许可以经过脱敏处理后共享。Genie Clean Room 还提供额外的控制措施,例如对话次数限制和输出大小控制,让你始终掌控自己的数据以及接收方使用数据的方式。
准确性与可靠性
Genie Agents 之所以准确,是因为它们理解你的业务,而不仅仅是你的模式。每个智能体都扎根于企业上下文层,该层会学习你的业务定义、指标、表关系和列含义。随后,主题专家会通过三种方式为该上下文补充信息:
- 指标视图 在 Unity Catalog 中为每个业务指标定义一次。智能体会直接读取其度量、维度、描述和同义词。
- SQL 表达式和示例查询 设置连接、度量和筛选器。当有人询问“活跃客户”时,智能体会使用你的定义,并在第一次尝试时就连接正确的表。
- 指令 涵盖你所在组织特有的术语和规则,例如销售如何区分已承诺客户与潜在客户。
基准测试让智能体随时间推移变得更加可靠。它们的作用类似于单元测试:你用金标准 SQL 答案定义最常见的问题,对智能体进行评分,并在更改后重新运行以捕捉回归。Genie 会建议修复方案,例如缺失的连接、筛选器或描述。在生产环境中,监控标签页和用户反馈会显示答案在哪些方面存在不足,因此智能体会在使用中不断改进。
从回答问题转向自主工作
下一波智能体不会等着有人打开聊天窗口。它们将全天候监控流水线、分诊升级事项、审查高风险交易并回答合作伙伴的问题。独立工作的智能体需要更多上下文、你的指标、你的术语以及完成工作所需的护栏。
Genie Agents 正是为此类工作而构建。它们可以针对某个业务领域或工作流进行范围限定,并拥有自己的数据、文件、工具和指令。团队可以一次定义该智能体,然后通过 API、自定义应用和自动化工作流进行部署。当任务需要更深入的调查时,Genie One 和 Genie MCP 也可以调用这些智能体。
你构建的每个智能体还会添加上下文,供公司其他部门使用。为财务定义的指标,在销售构建其智能体时即可使用;来自一个团队的更正,可以成为所有人共同遵循的受治理定义。你不必在让智能体投入工作之前先完成业务映射,因为构建上下文与部署智能体是相互促进的。
本周发布的新功能扩展了这项工作的全部三个部分。Genie Agents 现在可以同时基于数千份文档和受治理的表进行推理,在你团队已在使用的工具中采取行动,并在全程应用你的治理的前提下,服务于公司外部的合作伙伴和客户。
如需了解更多信息,请查阅以下资源:
- 如何选择你的第一批 Genie Agents 以实现最大影响 —— 一个用于挑选合适首个用例的评分框架
- 构建 Genie Agents 的最佳实践 —— 从数据准备到生产的最佳实践
- Genie Agents 文档 —— 设置指南、API 参考和配置详情
常见问题
Databricks Genie Agents 有哪些新功能?
Genie Agents 现在可以分析 Unity Catalog 卷中的非结构化文件、连接企业工具,并可在公司外部共享。非结构化数据分析处于 Public Preview,原生 MCP 连接器已正式可用,面向 Genie Agents 的 OpenSharing 和 Genie Clean Rooms 处于 beta。
Genie Agents 如何分析非结构化文档?
智能体构建者可将包含 PDF、文档、幻灯片或图像的 Unity Catalog 卷挂载到 Genie Agent。该智能体会检索最相关的文件内容,将其与结构化数据一并推理,并在回答中给出可指向源文件具体页码的引用。它遵循 Unity Catalog 权限,因此用户只能看到自己有权访问的文件。
Genie Agents 可以连接哪些企业工具?
Lakeflow Connect 可将来自 Salesforce、Workday、SAP 或 Marketo 等应用的数据摄取到 Unity Catalog 中,Genie Agents 随后便可像分析任何其他受治理表一样分析这些数据。原生 MCP 连接器让智能体能够从 Jira、Confluence、Slack、Google Drive 和 Microsoft 365 等工具获取上下文,并通过创建工单、更新记录和发布消息来采取行动。作者可以选择每个智能体可以使用哪些工具,并且每个连接器都通过 Unity Gateway 进行治理。
我能否与公司外部的合作伙伴或客户共享 Genie Agent?
可以。通过 OpenSharing,提供方可以将一个功能完整的 Genie Agent(预加载了指令和上下文)跨 Databricks 账户共享给外部接收方。对于敏感数据,Genie Clean Rooms 让接收方能够提问并获得答案,而无需查看底层数据或你的知识产权,并可通过对话次数限制和输出大小限制等控制措施加以管控。
Genie Agents 如何保持准确性?
Genie Agents 建立在企业上下文层之上,该层会学习你的业务定义、指标、表关系和列含义。主题专家会添加指标视图、SQL 表达式和示例查询以及指令。基准测试的作用类似于单元测试,用于捕捉回归问题,而监控选项卡和用户反馈则会显示答案在哪些方面存在不足。
订阅我们的博客,将最新文章直接发送到你的收件箱。
订阅我们的博客,将最新文章直接发送到你的收件箱。