Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Deep Context ist das akkumulierte Verständnis Ihrer Umgebung – Ihr Code, Ihre Infrastruktur, die Verfahren Ihres Teams und was in früheren Untersuchungen geschehen ist. Im Gegensatz zu einem generischen KI-Assistenten, der jedes Mal von null beginnt, erstellt Ihr Agent ein wachsendes Bild davon, wie Ihre Systeme funktionieren.
Tipp
- Deep Context bedeutet, dass Ihr Agent your Code, Infrastruktur und Betriebshistorie versteht – nicht nur allgemeine Azure Wissen
- Es baut dieses Verständnis durch drei Säulen auf: Codeanalyse, persistenter Arbeitsspeicher und Hintergrundintelligenz
- Verbundene Quellcode-Repositorys (GitHub, Azure DevOps) gewähren dem Agent direkten Zugriff auf Das Lesen, Suchen und Navigieren in Ihrer Codebasis
Arbeitsbereichstools (Dateivorgänge, Terminalbefehle, Python Ausführung) erfordern die Aktivierung. Wenden Sie sich an Ihren Agentadministrator, oder aktivieren Sie sie über die Seite " Experimentelle Einstellungen" im Portal.
Deep Context ist kein einzelnes Feature, das Sie aktivieren– es ist die Kombination aus drei Säulen, die automatisch zusammenarbeiten.
| Säule | Was es tut | Wie es aufgebaut wird |
|---|---|---|
| Kontextanalyse | Liest Code, durchsucht Wissen und navigiert Ihre Umgebung in Echtzeit. | Verbundene Repositorys + Knowledge Base + Benutzereinstellungen |
| Beständiger Speicher | Erinnert sich an frühere Untersuchungen, Teamkontext und Betriebsmuster | Konversationslernen + Wissensdokumente |
| Hintergrundintelligenz | Lernen Sie kontinuierlich aus Ihrer Umgebung – auch wenn niemand chattet | Codebasisanalyse + Insights-Generation + Datenquellenerweiterung |
Warum Deep Context wichtig ist
Das Know-how Ihres Teams ist an einem Dutzend unterschiedlicher Orte verteilt – Quellcode in GitHub, Protokolle in Azure Monitor, Konfigurationen in YAML-Dateien, Runbooks in einem Wiki, das niemand aktualisiert, und Stammeswissen im Kopf Ihrer erfahrenen Ingenieure. Wenn ein Vorfall auftritt, ist der schwierigste Teil nicht, über das Problem nachzudenken, sondern genügend Kontext zu sammeln, um überhaupt erst damit anfangen zu können.
Deep Context löst dies, indem Ihr Agent kontinuierlichen Zugriff auf alle diese Quellen erhält – und die Fähigkeit, sich zu merken, was er aus jeder Interaktion lernt.
Säule 1: Kontextanalyse
Ihr Agent hat kontinuierlichen, direkten Zugriff auf Ihre verbundenen Repositorys, Knowledge Base und Benutzereinstellungen. Es wartet nicht darauf, dass Sie eine Frage stellen, bevor Sie Ihren Code lesen – es untersucht Ihre Repositorys, lernt Ihre Projektstruktur und erstellt proaktives Verständnis.
Sie können jederzeit mehr Kontext hinzufügen:
- Connect-Repositorys – verknüpfen Sie GitHub oder Azure Repos, damit Ihr Agent Ihren Quellcode lesen kann. Siehe Connectors.
- Hochladen von Wissensdokumenten – Hinzufügen von Runbooks, Architekturhandbüchern und Teamprozeduren. Siehe Speicher und Wissen.
-
Teilen Sie Ihrem Agenten mit, dass er sich etwas merken soll – geben Sie
#rememberim Chat ein, um Fakten zu speichern, die Ihr Agent wissen muss. Siehe Speicher und Wissen. - Erstellen Von Fähigkeiten – Packen von Problembehandlungsverfahren mit Tools. Siehe Fähigkeiten.
Sicherheit
Alle Arbeitsbereichsvorgänge werden in einer Sandkastenumgebung ausgeführt. Die Codeausführung erfolgt in isolierten Containern, nicht auf dem Agenthost. Azure CLI Schreibbefehle erfordern eine explizite Benutzergenehmigung vor der Ausführung.
Säule 2: Beständiger Speicher
Ihr Agent merkt sich, was er gelernt hat. Nach jeder Unterhaltung extrahiert der Agent strukturierte Facets – Toolerfolge, Ursachen, Wichtige Erkenntnisse und die Azure Dienste beteiligt waren. Diese werden als beständiges Wissen gespeichert und zur Verbesserung zukünftiger Untersuchungen verwendet.
Weitere Informationen: Speicher und Wissen
Säule 3: Hintergrundintelligenz
Ihr Agent baut kontinuierlich operatives Verständnis auf – auch wenn niemand chatt – über drei Hintergrundsysteme:
Codebasisanalyse
Wenn Sie ein Code-Repository verbinden, analysiert der Agent es automatisch – Projektstruktur, Technologiestapel, Bereitstellungskonfigurationen und Dienstabhängigkeiten. Sie erstellt eine SREAGENT.md Datei als PR für Ihr Repository.
Erkenntnisgenerierung
Ein Hintergrunddienst aggregiert regelmäßig Daten aus mehreren Quellen – vergangene Unterhaltungen, Vorfälle, Arbeitsbereichskontext – und verwendet semantischen Abgleich, um operative Erkenntnisse im Laufe der Zeit zu generieren, abzugleichen und zu entwickeln.
Kusto-Schemaerweiterung
Wenn Sie einen Azure Data Explorer (Kusto)-Cluster verbinden, ermittelt der Agent automatisch Ihre Datenbanken und Tabellen, dokumentiert das Schema jeder Tabelle, generiert lesbare Beschreibungen und erstellt KQL-Abfragevorlagen.