Compétences de l’agent pour les assistants de codage IA

Les compétences de l’agent sont des fichiers d’instructions spécifiques aux tâches que les assistants de codage IA comme Claude et GitHub Copilot peuvent charger pour effectuer des tâches de développement Azure Databricks. Les packages de compétences rassemblent les connaissances spécifiques au domaine, les bonnes pratiques et les flux de travail dans un format optimisé pour l’utilisation par l’IA. Pour savoir comment étendre Genie Code dans l’espace de travail Azure Databricks, consultez Étendre le code Genie avec des compétences d’agent.

Les compétences suivent la norme Open Agent Skills . Chaque compétence est un fichier Markdown avec des métadonnées front-matter qui décrivent quand et comment la compétence doit être utilisée. Les assistants de codage IA découvrent et chargent automatiquement les compétences pertinentes en fonction de la tâche à accomplir.

Installer des compétences

Installez les compétences IA d’Azure Databricks à l’aide du groupe de commandes Databricks CLIaitools. L’interface CLI détecte les agents de codage pris en charge et installe des compétences Azure Databricks afin que votre assistant de codage IA puisse travailler efficacement avec des ressources Azure Databricks telles que des offres groupées, des travaux, SQL, etc.

# Install Databricks AI skills for all detected agents
databricks aitools install

# Install skills for a specific agent
databricks aitools install --agents claude-code

# Install skills into the current project instead of globally
databricks aitools install --scope project

# Install specific skills
databricks aitools install --skills bundles,sql

Utilisez databricks aitools list, databricks aitools update et databricks aitools uninstall pour gérer les composants des outils d’IA installés. Pour toutes les options, consultez aitools le groupe de commandes.

Pour installer des compétences à partir de référentiels arbitraires GitHub qui ne sont pas distribués via l’interface CLI Databricks, utilisez l’interface CLI Skills, un gestionnaire de package open source pour les compétences de l’agent. Skills CLI analyse un référentiel de GitHub pour les fichiers de compétences et les installe dans votre projet afin que votre assistant de codage IA puisse les découvrir et les utiliser automatiquement.

Référentiels de compétences

dépôt GitHub Description Compétences
Compétences de l’agent Azure Databricks Compétences clés officiellement prises en charge pour le développement sur Azure Databricks dans les domaines du calcul, de l’orchestration, du stockage et des applications. Azure Databricks CLI, Databricks Apps, Asset Bundles, Lakeflow Jobs, Lakebase, Model Serving, Lakeflow pipelines, migration vers le sans serveur
Compétences en modèles d'application Databricks Compétences spécifiques aux tâches incorporées dans les modèles d’application Databricks pour les agents (LangGraph, LangChain, Kit de développement logiciel (SDK) OpenAI Agents), App Kits (Lakebase, Genie, Analytics) et frameworks d’application de chatbot/données (Streamlit, Dash, Gradio, Shiny, Flask, Node.js). Démarrage rapide, déploiement, modifier-agent, ajouter-outils, créer-outils, découvrir-outils, migrer-depuis-model-serving, exécuter-localement, test-de-charge, API de supervision
Compétences du Kit de développement IA Compétences communautaires soigneusement sélectionnées couvrant plus de 25 patterns de développement Azure Databricks. Briques d’agent, fonctions IA, tableaux de bord IA/BI, Databricks Apps, Bundles d’actifs, Databricks Lakehouse, Genie, Iceberg, Lakebase, Lakeflow Jobs, vues de métriques, évaluation MLflow, Service de modèle, Python SDK, Pipelines Lakeflow, Structured Streaming, Données synthétiques, Catalogue Unity, Recherche IA, Zerobus ingestion
Compétences MLflow Compétences pour l’instrumentation, le débogage et l’évaluation des agents LLM avec MLflow. Prise en main de MLflow, agent MLflow, instrumentation du traçage, récupération et analyse des traces, interrogation des métriques, évaluation de l’agent, analyse des sessions de chat, recherche dans la documentation MLflow

Ressources supplémentaires

  • Last updated on