单元格连接生成与运行
用户可以沿用代码检查和执行习惯。
- 适合
- 数据平台已经有 Notebook 工作台。
- 代价
- 必须避免对话里的代码与单元格实际代码产生不可见分叉。
Amazon SageMaker Unified Studio · 产品截图
数据平台如何把 AI 生成、运行和报错修复放在一起？
自然语言生成的 SQL 仍要放入正确的运行环境执行，出错后还要回到对应单元格修复。
在 Notebook 中开发数据转换的数据工程师
点击放大 ↗
操作 01 / 04
先确认计算连接
- 用户操作
- 为 Notebook 选择 Athena Spark 或 Glue Spark 连接。
- 系统反馈 · 公开材料
- 运行引擎成为当前分析的明确配置。
- 看图重点
- 看连接选择与 Notebook 的关系，生成代码之前就需要知道运行环境。
DataHot 解读
数据平台应把执行环境作为可见上下文，减少代码正确但环境不匹配的问题。
点击放大 ↗
操作 02 / 04
从单元格发起代码生成
- 用户操作
- 点击单元格内的 generate with AI，或在旁边的 Data Agent 面板描述需求。
- 系统反馈 · 公开材料
- 截图并列展示 Python 单元格生成入口、SQL 等单元格类型和 Agent 面板。
- 看图重点
- 看生成入口与工作对象的关系；本图是发起状态，没有展示已生成的 SQL 或执行成功。
DataHot 解读
生成的结果应进入既有工作对象，方便后续人工修改。
点击放大 ↗
操作 03 / 04
在单元格指定执行环境
- 用户操作
- 将代码放入 SQL 单元格，并从单元格菜单选择计算连接。
- 系统反馈 · 公开材料
- 单元格对应可见的执行资源。
- 看图重点
- Notebook 级别与单元格级别的环境配置都需要清楚表达。
DataHot 解读
运行按钮附近保留环境信息，帮助定位方言或连接问题。
点击放大 ↗
操作 04 / 04
对出错单元格请求 AI 修复
- 用户操作
- 单元格执行失败后，点击 Fix with AI 或使用 Data Agent。
- 系统反馈 · 公开材料
- 错误区域给出就地修复入口；截图未证明修复后的运行结果。
- 看图重点
- 错误与恢复动作位于同一操作对象内。
DataHot 解读
恢复流程应保留单元格、错误和运行连接，而不只是发送报错文字。
取自 AWS 官方 Iceberg 物化视图教程中的 Notebook 操作段，不代表端到端生产验证。 · 核对于 2026-09-05
迁移到你的产品 · DataHot 判断
未验证与边界这是教程中的局部操作，不是自动化生产流水线。未展示差异确认、失败回滚或 AI 修复成功率。
同题对比：AI 给出结果后，用户如何修改和验证？ →资料出处
阅读站内原文 →对你的产品设计有帮助吗？
反馈与收藏分开保存在当前设备。