Cortex Agents：从Text-to-SQL到真正干活的助手

我的12周Snowflake Cortex AI系列的第5周——开启应用层

在Snowflake上构建了十年，我仍然发现自己在以错误的方式向人们解释Cortex：“它基本上是Snowflake版的ChatGPT。”这种说法低估了Cortex Agents真正带来的变化。

本系列的基础层是关于给LLM正确的上下文。Cortex Agents则是关于赋予它决定如何处理上下文的权力。

如果你已经跟随了第1-4周，你已经有了这些组件：Cortex AI的核心能力、用于检索的Cortex Search、用于文本到SQL的Cortex Analyst，以及作为底层治理层的Semantic Views。本周是关于将这些组件连接起来，使其行为更像一个团队成员，而不是一个问答工具。

1. 误区：代理只是一个更智能的聊天机器人

Cortex Analyst回答一个问题。Cortex Search检索一段内容。每个都做好一项工作，但每个仍然需要人类来解释输出并决定下一步。

Cortex Agent的工作不同。它是一个可重用的对象，捆绑了模型、一组工具和编排指令，其实际工作是决定调用哪个工具、以什么顺序调用，以端到端解决请求。这与“很好地回答一个问题”完全不同。这更像是路由和判断，而不是检索。

这种区别在文档中很容易被忽略，只有当你看到代理做出错误决策时才会真正显现，剧透一下，我的代理不止一次这样做。

2. 我实际构建了什么

我刻意保持了范围很小：一个基于我为第4周构建的Semantic View的支持工单分类代理。目标不是复杂，而是近距离观察编排行为。

设置遵循标准生命周期：

1. 创建代理：在Snowsight中定义，包括名称、编排模型以及关于其行为方式的自然语言指令。
2. 添加工具：我给了它两个：一个指向历史工单记录的cortex_search工具，和一个指向第4周Semantic View的cortex_analyst_text_to_sql工具，用于涉及工单量、状态或SLA指标的任何事情。
3. 在游乐场测试：这是我真正学到东西的地方。我可以看到代理的推理轨迹，而不仅仅是最终答案。
4. 通过REST API集成：通过agent:run调用代理，使用线程在轮次之间保持对话上下文。
5. 监控并迭代：审查线程和轨迹，看看工具选择出错的地方，然后收紧指令。

这是一个简化版的工具定义，按照Cortex Agents期望的工具规范构建，足以展示其形状：

{
  "tool_spec": {
    "type": "generic",
    "name": "get_ticket_status",
    "description": "Look up the current status and SLA state for a support ticket by ID.",
    "input_schema": {
      "type": "object",
      "properties": {
        "ticket_id": {
          "type": "string",
          "description": "The support ticket identifier, e.g. TCK-10432"
        }
      },
      "required": ["ticket_id"]
    }
  }
}

工具选择是真正的考验。

不是Cortex Search或Cortex Analyst是否单独工作，我已经从第2周和第3周知道它们可以。有趣的是观察代理选择根据请求的措辞在“搜索过去工单中的类似措辞”和“查询语义层以获取状态/数量”之间正确选择。一旦我使工具描述更具体，它更频繁地正确，这提醒我编排质量部分是一个提示工程问题，而不仅仅是模型能力。

在语义层中的接地比我预期的更重要。

第4周的Semantic View已经精确定义了“未结工单”和“SLA违约”，代理不需要即时推断业务逻辑。当我测试同一代理的版本针对一个更松散、未定义的数据模型时，工具选择明显变得不太可靠。这是基础层直接回报：代理的可信度取决于其下的语义层。

我故意停止的地方。

代理可以分类和查找工单。它不能关闭、重新分配或回复客户。这个边界是故意的设计选择，而不是当前的限制，“代理””不一定意味着“自主”，对于任何对客户有实际后果的事情，我更希望它保持为人类批准的建议。

3. 我接下来会怎么做

如果我要为生产而不是演示构建，我会改变几件事：

• 进一步收紧编排指令。模糊的指令导致模糊的工具选择。具体、几乎过度明确的描述何时使用每个工具产生了可衡量的差异。
• 添加预算限制。Cortex Agents允许你限制代理在生成响应时可以花费的时间或令牌，值得从第一天开始设置，这样困惑的代理就不会螺旋进入昂贵的循环。
• 构建评估，而不仅仅是测试。游乐场非常适合目测行为。任何用于生产的东西都需要Snowflake文档中描述的作为代理生命周期一部分的结构化评估和反馈循环。

一个值得认真对待的警告

Cortex Agents和我在此描述的编排行为的某些部分仍在发展中，一些功能处于Private Preview，尚不适合生产工作负载。我在这次构建中看到的是我编写时的快照，不是当前行为的保证。在基于此构建之前，请检查当前的Snowflake文档以获取GA状态。

TL;DR

• Cortex Agents与Cortex Analyst和Cortex Search的不同之处在于它们选择使用哪种工具，而不仅仅是回答一种类型的问题。
• 一个明确定义的Semantic View是使代理工具选择可靠而不是猜测游戏的关键，第4周不是支线任务。
• 编排质量部分是一个提示工程问题：具体的工具描述和指令显著改善了工具选择。
• 我故意将代理范围限定为分类和查找，而不是自主行动。
• 其中一些功能仍是Private Preview。在基于此构建之前确认当前状态。

这是关于Snowflake Cortex AI生态系统的12周系列的第5周。第1-4周（基础）涵盖了Cortex AI概述、Cortex Search、Cortex Analyst和Semantic Views。

Cortex Agents: From Text-to-SQL to an Assistant That Actually Does Something最初发表于Snowflake 构建者博客：数据工程师、应用开发者、人工智能与数据科学 在 Medium 上，人们通过强调和回应这个故事来继续对话。