Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Le competenze dell'agente sono file di istruzioni specifici dell'attività che gli assistenti di codifica di intelligenza artificiale come Claude e GitHub Copilot possono caricare per eseguire attività di sviluppo di Azure Databricks. Il pacchetto di competenze integra conoscenze specifiche del dominio, procedure consigliate e flussi di lavoro in un formato ottimizzato per il consumo da parte dell'intelligenza artificiale. Per informazioni su come estendere Genie Code nell'area di lavoro di Azure Databricks, vedere Estendere Genie Code con le competenze dell'agente.
Le competenze seguono lo standard open Agent Skills . Ogni competenza è un file Markdown con metadati front-matter che descrivono quando e come usare la competenza. Gli assistenti di codifica per intelligenza artificiale individuano e caricano automaticamente le competenze pertinenti in base all'attività.
Installare le competenze
Installare le competenze di intelligenza artificiale di Azure Databricks tramite il gruppo di comandi Databricks CLIaitools. La CLI rileva gli agenti di coding supportati e installa le competenze di Azure Databricks affinché il tuo assistente di coding basato sull'IA possa lavorare efficacemente con le risorse di Azure Databricks, ad esempio bundle, job, SQL e altro ancora.
# Install Databricks AI skills for all detected agents
databricks aitools install
# Install skills for a specific agent
databricks aitools install --agents claude-code
# Install skills into the current project instead of globally
databricks aitools install --scope project
# Install specific skills
databricks aitools install --skills bundles,sql
Usare databricks aitools list, databricks aitools updatee databricks aitools uninstall per gestire i componenti degli strumenti di intelligenza artificiale installati. Per tutte le opzioni, vedere aitools Gruppo di comandi.
Per installare skill da repository GitHub arbitrari non distribuiti tramite la Databricks CLI, usa la Skills CLI, un gestore di pacchetti open source per le skill degli agenti. L'interfaccia della riga di comando di Skills analizza un repository GitHub per individuare i file di competenza e installarli nel progetto in modo che l'assistente per la codifica di intelligenza artificiale possa individuarli e usarli automaticamente.
Repository di competenze
| Repository GitHub | Descrizione | Competenze |
|---|---|---|
| Competenze dell'agente di Azure Databricks | Sono ufficialmente mantenute le competenze di base per lo sviluppo di Azure Databricks tra calcolo, orchestrazione, archiviazione e app. | CLI di Azure Databricks, Databricks Apps, bundle di asset, processi Lakeflow, Lakebase, Model Serving, pipeline dichiarative Spark di Lakeflow, migrazione al serverless |
| Competenze per il modello di app Databricks | Competenze specifiche delle attività incorporate nei modelli di app Databricks per gli agenti (LangGraph, LangChain, OpenAI Agents SDK), App Kits (Lakebase, Genie, Analytics) e framework di app chatbot/dati (Streamlit, Dash, Gradio, Shiny, Flask, Node.js). | Guida introduttiva, distribuzione, modify-agent, add-tools, create-tools, discover-tools, migrate-from-model-serving, esecuzione in locale, load-testing, API del supervisore |
| Competenze di AI Dev Kit | Competenze della community curate che comprendono oltre 25 modelli di sviluppo di Azure Databricks. | Agent Bricks, funzioni di intelligenza artificiale, dashboard AI/BI, Databricks Apps, bundle di asset, Databricks Lakehouse, Genie, Iceberg, Lakebase, Lakeflow Jobs, viste metriche, valutazione MLflow, Model Serving, Python SDK, pipeline dichiarative Spark di Lakeflow, Structured Streaming, dati sintetici, Unity Catalog, AI Search, acquisizione Zerobus |
| Competenze di MLflow | Competenze per la strumentazione, il debug e la valutazione degli agenti LLM con MLflow. | Guida introduttiva a MLflow, agente MLflow, strumentazione del tracciamento, recupero e analisi delle tracce, interrogazione delle metriche, valutazione dell'agente, analisi delle sessioni di chat, ricerca nella documentazione di MLflow |
Risorse aggiuntive
- Estendere Genie Code con le competenze dell'agente: creare competenze per il codice Genie predefinito nell'area di lavoro.
- Eseguire la migrazione di un agente da Model Serving ad App databricks: usare le competenze dell'agente per eseguire la migrazione di un agente da Model Serving ad App di Databricks.
- Creare un agente di intelligenza artificiale e distribuirlo in Databricks Apps: compilare e distribuire un agente di intelligenza artificiale in Databricks Apps.