数据 Agent
Databricks Genie
业务问题集、空间上下文、查询迭代与结果验证。关注从一次问答到可验收分析任务的变化。
17 条已收录资料 · 2 个设计案例。下列日期对应各篇材料，不代表产品当前能力清单。
近 30 天重点 10 条资料中优先展示，按原文日期
- 在数据栈中落地Genie Ontology：为AI代理构建共享业务上下文原文 2026-09-01 · 收录 2026-09-02
- 结构化图表提取提升Agent检索与问答准确率原文 2026-08-27 · 收录 2026-08-28
- Databricks Genie One新增桌面应用与文档协作，推动洞察转化为行动原文 2026-08-29 · 收录 2026-08-29
精选参考 4 条
Databricks称专用数据Agent比通用Coding Agent更准更省
Databricks用401个真实内部任务对Genie Code与三款通用Coding Agent进行评测。厂商公布的结果显示，Genie Code准确率为76.6%，平均每项任务成本0.55美元，正确答案成本不到最接近对手的一半。该结果属于Databricks自建基准，应结合评测设计审慎解读。
Genie Code：把长任务、数据资产与 ML 工程放进同一工作区
全页工作区支持多任务状态和结果审阅；Agent 可使用 MLflow 实验与血缘、服务端点信息，以及团队指令、skills 和连接器。
Genie Agent Mode：围绕假设反复查询，解释业务变化
对复杂问题先规划，再执行多次查询、检验假设并调整方向；答案附 SQL 和图表，并按问题复杂度分配推理。
用业务问题集把 Genie Space 从能演示做到可验收
以营销分析为例，逐步修正元数据、关联关系、CTR 等指标定义和业务规则，用 benchmark 检查每次修改。
产品动态 13 条
Databricks 分享个人设备移动安全实践
Databricks IT 介绍其在个人设备上安全开展工作的内部方法，目标是在不侵犯隐私的前提下保护公司数据。文章提出设备管理、身份认证、零信任和应用管理四层方案，并采用 iOS 的账户驱动用户注册（ADUE）仅管理工作相关组件，避免完全管理个人手机。随着 AI Agent 及 Genie、Omnigent、Claude Code 等工具改变工作方式，员工希望在手机上延续桌面会话并保持上下文，移动 BYOD 安全因此更复杂。Databricks 强调不主张查看或完全擦除个人设备，以提升员工对移动安全控制的采纳信任。
能源团队用Genie将盗电检测转为受治理行动
Databricks 官方博客介绍能源行业如何将燃气/电力盗窃检测转化为受治理的行动闭环。文章指出英国能源消费者每年因盗窃损失超过 14 亿英镑，目标案件中仅 40% 被侦测。团队已有 ML 模型标记可疑账户，但真正挑战是打通检测、调查、损失回收和报告流程。方案在 Databricks App 中运行，并用 Lakebase 保存实时案件状态，通过 Genie 和 AI 业务流程把洞察推进为行动并反馈模型。
Databricks营销团队如何用Genie让数据使用量提升3倍
Databricks营销团队曾面临数据分散、看板陈旧或不一致、可信答案获取慢等问题。团队在受治理的湖仓上统一营销数据，并基于Genie Agents构建内部助手Marge，让营销人员用自然语言获取受治理答案。结果显示，营销数据使用频率提升3倍，85%以上营销组织使用Marge，季度使用量增长50%，每月处理800+问题、累计回答5000+。标记错误响应下降25%，并在不增加分析人力的前提下扩大洞察访问；其做法是把对话式分析作为持续产品和运营模式。
南方公司SCOUT：实时风暴运营应用扩展数据智能
南方公司在Databricks Data + AI平台上新增SCOUT实时风暴运营应用，与SPEAR和RAMP共同构成端到端风暴智能闭环。SCOUT将停电、客户、地形与抢修计划数据整合到统一实时恢复界面，已获1139名员工采用，其中超250人曾在6月单日峰值风暴期间使用。该应用基于Delta Lake、Unity Catalog和Lakehouse架构，Genie Code加速了自定义数据管道开发。
Genie Agents扩展：深度分析与文件推理等新能力
Databricks在Data and AI Summit上宣布Genie Spaces演进为Genie Agents后，持续扩展其能力。Agent mode现已面向所有Genie Agents开放，可进行多步推理、迭代查询，并生成带引用和可视化的研究报告。同时新增Agent mode API，允许开发者将深度分析集成到自定义应用、Slack机器人和报表中，并通过SSE流式响应。此次更新旨在让Agent覆盖更广泛的问题类型，并更易从现有团队工作流中创建。
Databricks如何一小时内消除每年120万美元AI Agent浪费
Databricks工程师广泛使用AI Agent，但工具调用失败时Agent会静默重试、猜测并绕行，持续浪费token和开发时间。通过Unity Gateway的OTel tracing和Genie One，团队定位到7个工具服务器bug，每年约浪费49.9万美元token和1.2万工程小时，合计约120万美元生产力损失。发现、量化并修复全部问题仅用约一小时。该实践展示了借助可观测性追踪Agent工具调用与MCP活动的成本优化方法。
在数据栈中落地Genie Ontology：为AI代理构建共享业务上下文
Databricks官方博客提出，仅连接数据不足以让大模型理解业务，AI代理还需要定义、关系、业务规则、权威来源和权限等上下文。Genie Ontology在语义模型之上，结合从受治理的表、查询、仪表板、笔记本等资产中推断出的知识，按权威性和相关性排序并在回答时提供给Genie，外部代理也可通过MCP访问。文章给出六层渐进实践，从数据基础、核心语义建模到持续治理，强调先让Genie基于自动学习运转，再逐步精化关键定义。
Databricks Genie One新增桌面应用与文档协作，推动洞察转化为行动
Databricks 在 Data + AI Summit 后持续更新 Genie One，新增原生桌面应用，支持全局启动器，并可在桌面端使用文档、技能、定时任务及 Genie Agents 和 Databricks Apps。Genie One 的文档功能也得到增强，用户可直接在对话中起草、修订和评论文档，并通过链接共享，减少上下文切换。这些更新旨在让用户获得 AI 答案后，能更快地完成验证、包装和协作流程，将洞察转化为实际业务行动。
Indra在Databricks上统一EV充电数据
英国EV充电公司Indra在数据快速增长后，将原先分散在Cosmos DB、Synapse、Power BI等多项服务中的数据整合到Databricks单一平台。通过并行原型迁移、月度Delta表和Unity Catalog实现统一治理，并借助AI/BI仪表盘与Genie Agent让业务团队自助获取数据答案。该实践减少了工具数量和运维成本，提升了数据标准化与可治理性。
结构化图表提取提升Agent检索与问答准确率
Databricks 官方博客指出，企业Agent在处理包含图表的文档时经常出错，例如前沿Agent仅凭图片推理50秒仍得出错误答案17，而Databricks Genie通过ai_parse_document的结构化提取给出正确答案18。文章在OfficeQA Pro基准及客户检索系统中观察到图表类问题表现更差，尤其在金融服务领域。通过结构化图表提取，可同时改善检索和基于图表问题的回答质量，并在ViDoRe V3图表子集和自建Chart-RAG数据集上验证了效果。
苏格兰水务用Databricks Genie实现资本投资数据对话式访问
苏格兰水务的资本投资项目团队过去需依赖大量报表或数据专家才能获取项目状态、财务、交付里程碑和风险信息。他们基于Databricks Genie构建了内部工具SPARK，通过Microsoft Teams以自然语言提问，由Copilot编排并经MCP连接Genie Space，在Unity Catalog治理下返回可信答案。该方案减少了重复报表制作，让项目团队能快速自助获取数据。
加拿大大型铁路用Databricks Genie Code将管道创建自动化率提至90%
加拿大最大铁路网络之一运营约2万英里线路，年承运货物价值超2500亿加元。其数据团队借助Databricks Genie Code、Unity Catalog、自定义Agent Skills及Databricks Apps上的Streamlit应用，将管道开发变成可复制的工厂：一段YAML提示即可生成生产级摄取代码，涵盖表定义、历史加载、流式摄入、增量合并和自动化测试。结果新表摄入自动化率超过90%，管道交付从数天压缩至数分钟。
如何在保留治理的同时将Genie Agents接地到结构化数据与文档
Databricks介绍如何让Genie Agents同时基于结构化数据（如Managed Tables、Views、Metric Views等）和非结构化文件（Unity Catalog Volumes）进行分析与回答，而无需在系统间桥接数据。其治理核心在于Genie Agents以最终用户身份运行，Unity Catalog通过AIM、对象权限、ABAC、行过滤器和列掩码自动执行权限控制。这样单一Agent即使访问大量数据，也不会向错误的人泄露错误信息，且无需额外设置即可继承现有治理体系。