Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
O Azure Databricks suporta a construção, avaliação e implementação de agentes de IA, desde chamadas simples de LLM até agentes de chamada de ferramentas e sistemas multi-agente. Estes guias abrangem os conceitos, os fluxos de trabalho de desenvolvimento e as ferramentas utilizados para disponibilizar um agente.
À procura de aprendizagem automática clássica ou aprendizagem profunda? Veja Machine learning em Azure Databricks.
Introdução
Experimente um guia de iniciação rápida ou aprenda os conceitos básicos.
| Guide | Description |
|---|---|
| Parque Infantil AI | Crie protótipos e teste agentes e LLMs com engenharia de prompts sem código e ajuste de parâmetros. |
| Comece com agentes de IA | Constrói e implementa o teu primeiro agente de IA de ponta a ponta. |
| Conceitos: IA Generativa no Azure Databricks | Aprenda sobre modelos, agentes, ferramentas e aplicações. |
| Ciclo de vida do desenvolvimento do agente | Compreenda todo o ciclo de vida da construção de um agente de IA. |
Compilar e implementar
Desenvolver e implementar agentes.
| Feature | Description |
|---|---|
| Assistente de Conhecimento | Crie e otimize chatbots de agente de QA específicos do domínio. |
| Agente Supervisor | Constrói um agente supervisor que orquestre Genie Spaces, endpoints de agentes, funções do Unity Catalog, servidores MCP e agentes personalizados. |
| Agentes Personalizados | Construir e implementar agentes, incluindo aplicações RAG e sistemas multiagente, com Python. |
| Aplicações Databricks | Construa e implemente interfaces interativas para os seus agentes, como aplicações de chat e formulários de introdução de dados. |
| Servidores MCP | Ligue agentes a ferramentas, dados e fluxos de trabalho através de servidores MCP padronizados. |
| Pesquisa vetorial | Consulte um índice vetorial gerido para recuperar texto relevante e dados não estruturados. |
Avaliar e monitorizar
Rastrear, avaliar e monitorizar agentes no desenvolvimento e produção.
| Feature | Description |
|---|---|
| Avaliação e monitorização | Avaliar a qualidade dos agentes e monitorizar as implementações em produção. |
| Rastreamento MLflow | Gravar e analisar o comportamento do agente para depurar e melhorar o desempenho. |
Consultar e servir
Consultar LLMs e servir agentes e modelos em endpoints escaláveis.
| Feature | Description |
|---|---|
| Consultar LLMs e agentes em Azure Databricks | Consulta LLMs e agentes a partir de cadernos, SQL e aplicações. |
| Modelos de Fundação | Servir LLMs através de APIs escaláveis com governação e monitorização integradas. |
| Unity AI Gateway | Governar e monitorizar o acesso a LLMs e agentes com rastreamento de uso, registo de cargas úteis e controlos de segurança. |
| Funções de IA | Chama LLMs diretamente de SQL para enriquecer dados e construir fluxos de trabalho de IA. |