Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Azure Databricks ondersteunt het bouwen, evalueren en implementeren van AI-agents, van eenvoudige LLM-aanroepen tot agents voor het aanroepen van hulpprogramma's en systemen met meerdere agents. Deze handleidingen hebben betrekking op de concepten, ontwikkelwerkstromen en hulpprogramma's die u gebruikt om een agent te verzenden.
Op zoek naar klassieke ML of deep learning? Zie Machine learning op Azure Databricks.
Get started
Probeer een quickstart of leer de basisconcepten.
| Guide | Description |
|---|---|
| AI-speeltuin | Prototype- en testagents en LLM's zonder codeprompt engineering en parameterafstemming. |
| Aan de slag met AI-agenten | Bouw en implementeer uw eerste AI-agent end-to-end. |
| Concepten: Generatieve AI in Azure Databricks | Meer informatie over modellen, agents, hulpprogramma's en apps. |
| Levenscyclus van agentontwikkeling | Krijg inzicht in de volledige levenscyclus van het bouwen van een AI-agent. |
Bouwen en implementeren
Ontwikkel en implementeer agents.
| Feature | Description |
|---|---|
| Kennisassistent | Domeinspecifieke QA-agent-chatbots bouwen en optimaliseren. |
| Supervisor-agent | Bouw een supervisor-agent die Genie Spaces, agent-eindpunten, Unity Catalog-functies, MCP-servers en aangepaste agenten orkestreert. |
| Aangepaste agents | Bouw en implementeer agents, waaronder RAG-toepassingen en systemen met meerdere agents, met Python. |
| Databricks-apps | Bouw en implementeer interactieve UIS's voor uw agents, zoals chat-apps en formulieren voor gegevensinvoer. |
| MCP-servers | Verbind agents met hulpprogramma's, gegevens en werkstromen via gestandaardiseerde MCP-servers. |
| Vector Zoeken | Voer een query uit op een beheerde vectorindex om relevante tekst en ongestructureerde gegevens op te halen. |
Evalueren en bewaken
Agents traceren, evalueren en bewaken in ontwikkeling en productie.
| Feature | Description |
|---|---|
| Evaluatie en monitoring | Evalueer de kwaliteit van de agent en bewaak productie-implementaties. |
| MLflow-volgsysteem | Registreer en analyseer agentgedrag om fouten op te sporen en prestaties te verbeteren. |
Query's uitvoeren en serveren
LLM's bevragen en agents en modellen aanbieden via schaalbare eindpunten.
| Feature | Description |
|---|---|
| Query's voor LLM's en agents op Azure Databricks | LLM's en agents bevragen vanuit notebooks, SQL en applicaties. |
| Basismodellen | LLM's bedienen via schaalbare API's met ingebouwde governance en bewaking. |
| Unity AI Gateway | Beheer en bewaak de toegang tot LLM's en agents met gebruiksregistratie, payloadregistratie en beveiligingsmaatregelen. |
| AI-functies | Roep LLM's rechtstreeks aan vanuit SQL om gegevens te verrijken en AI-werkstromen te bouwen. |