Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Le competenze dell'agente sono file di istruzioni specifici dell'attività che gli assistenti di codifica di intelligenza artificiale come Claude e GitHub Copilot possono caricare per eseguire attività di sviluppo di Azure Databricks. Il pacchetto di competenze integra conoscenze specifiche del dominio, procedure consigliate e flussi di lavoro in un formato ottimizzato per il consumo da parte dell'intelligenza artificiale. Per informazioni su come estendere Genie Code nell'area di lavoro di Azure Databricks, vedere Estendere Genie Code con le competenze dell'agente.
Le competenze seguono lo standard open Agent Skills . Ogni competenza è un file Markdown con metadati front-matter che descrivono quando e come usare la competenza. Gli assistenti di codifica per intelligenza artificiale individuano e caricano automaticamente le competenze pertinenti in base all'attività.
Installare le competenze
Installare skill usando il Skills CLI, un gestore di pacchetti open-source per skill dell'agente. L'interfaccia della riga di comando analizza un repository GitHub per individuare i file di competenza e li installa nel progetto in modo che l'assistente per la codifica di intelligenza artificiale possa individuarli e usarli automaticamente.
# List skills in a repository
npx skills add databricks/databricks-agent-skills --list
# Install specific skills
npx skills add databricks/databricks-agent-skills --skill databricks-apps --skill databricks-pipelines
# Install all skills from a repo to all agents
npx skills add databricks/databricks-agent-skills --all
# Remove interactively (select from installed skills)
npx skills remove
La CLI richiede solo che il repository contenga file delle competenze. I proprietari del repository non devono configurare alcun elemento affinché l'interfaccia della riga di comando funzioni con le proprie competenze.
Repository di competenze
| Repository GitHub | Descrizione | Competenze |
|---|---|---|
| Competenze dell'agente di Azure Databricks | Sono ufficialmente mantenute le competenze di base per lo sviluppo di Azure Databricks tra calcolo, orchestrazione, archiviazione e app. | CLI di Azure Databricks, Databricks Apps, bundle di asset, processi Lakeflow, Lakebase, Model Serving, pipeline dichiarative Spark di Lakeflow, migrazione al serverless |
| Competenze per il modello di app Databricks | Competenze specifiche delle attività incorporate nei modelli di app Databricks per gli agenti (LangGraph, LangChain, OpenAI Agents SDK), App Kits (Lakebase, Genie, Analytics) e framework di app chatbot/dati (Streamlit, Dash, Gradio, Shiny, Flask, Node.js). | Guida introduttiva, distribuzione, modify-agent, add-tools, create-tools, discover-tools, migrate-from-model-serving, esecuzione in locale, load-testing, API del supervisore |
| Competenze di AI Dev Kit | Competenze della community curate che comprendono oltre 25 modelli di sviluppo di Azure Databricks. | Agent Bricks, funzioni IA, dashboard AI/BI, app Databricks, pacchetti di asset, Databricks Lakehouse, Genie, Iceberg, Lakebase, Lakeflow Jobs, viste metriche, valutazione MLflow, Model Serving, Python SDK, pipeline dichiarative di Lakeflow Spark, Structured Streaming, dati sintetici, Unity Catalog, ricerca vettoriale, Zerobus ingest |
| Competenze di MLflow | Competenze per la strumentazione, il debug e la valutazione degli agenti LLM con MLflow. | Guida introduttiva a MLflow, agente MLflow, strumentazione del tracciamento, recupero e analisi delle tracce, interrogazione delle metriche, valutazione dell'agente, analisi delle sessioni di chat, ricerca nella documentazione di MLflow |
Passaggi successivi
- Estendere Genie Code con le competenze dell'agente: creare competenze per il codice Genie predefinito nell'area di lavoro.
- Eseguire la migrazione di un agente da Model Serving ad App databricks: usare le competenze dell'agente per eseguire la migrazione di un agente da Model Serving ad App di Databricks.
- Creare un agente di intelligenza artificiale e distribuirlo in Databricks Apps: compilare e distribuire un agente di intelligenza artificiale in Databricks Apps.