Capacidades de IA do Azure Databricks

O Azure Databricks fornece uma plataforma para construir, avaliar, implementar e monitorizar aplicações de IA (aplicações de IA). Reúne um conjunto de ferramentas que enfrentam os desafios do desenvolvimento de aplicações de IA de nível empresarial. O Azure Databricks integra-se com frameworks open source populares, adicionando governação de nível empresarial, observabilidade e ferramentas operacionais, coletivamente conhecidas como LLMOps.

Esta página lista as principais funcionalidades da IA, organizadas por etapas do fluxo de trabalho da IA.

Consultar IA

O Azure Databricks disponibiliza facilmente modelos de IA de última geração dos principais fornecedores de modelos através dos Foundation Models alojados no Databricks. Também pode consultar modelos de fornecedores externos e os seus modelos personalizados. Todos estes modelos podem ser consultados através de interfaces UI, API/SDK e SQL. Esta opcionalidade permite-lhe usar IA para todos os casos de uso --- chat geral, agentes complexos, pipelines de dados automatizados, análises interativas de dados e muito mais.

Método	Características
IU	Para desenvolvimento, o AI Playground fornece uma interface para consultar modelos e agentes de IA disponíveis. Para testes, os seus agentes e aplicações podem ser consultados e avaliados por especialistas do domínio através da App de Revisão. Para produção, as suas aplicações podem ser alojadas com uma interface usando as Databricks Apps para uso dentro da sua organização. Para aplicações externas, pode alimentar aplicações dirigidas ao utilizador usando APIs Databricks.
API e SDK	O Model Serving fornece endpoints da API REST para consultar modelos e agentes. Veja mais opções de consulta , incluindo o cliente OpenAI e o SDK Python da Databricks.
SQL	As funções de IA fornecem funções SQL específicas para tarefas e funções gerais para consultar modelos e agentes.

Construir IA

O Azure Databricks oferece um conjunto flexível de ferramentas para construir aplicações, agentes, ferramentas e modelos de IA. Estes incluem frameworks de UI e baseados em código, todos capazes de otimizar sistemas de IA com base nos seus dados. Podes aproveitar qualquer framework de IA open-source e integrar ferramentas personalizadas e servidores MCP.

Categoria	Características
Aplicações	As aplicações Databricks proporcionam desenvolvimento e implementação flexível de aplicações para utilizadores autenticados. Aplicações personalizadas podem ser alimentadas por APIs Databricks.
Agentes	O Knowledge Assistant fornece desenvolvimento e otimização orientada de agentes. O AI Playground fornece uma interface para prototipar agentes de chamada de ferramentas. Código personalizado e frameworks open-source podem ser desenvolvidos e implementados usando Agentes Personalizados ou Aplicações Databricks.
Tools	O suporte à ferramenta inclui servidores MCP e Funções do Catálogo Unity, ambas fornecendo governação baseada no Catálogo Unity.
Modelos e prompts	A engenharia de prompts pode ser feita de forma interativa usando o AI Playground, ou através de otimização orientada por dados usando MLflow Prompt Optimization. Ajuste finamente os modelos usando AI Runtime.

Preparar e servir dados

O Azure Databricks simplifica os dados para IA ao unificar a governação dos dados tradicionais e das cargas de trabalho de IA. Com todos os dados geridos pelo Unity Catalog com controlos de acesso detalhados, é fácil ajustar os limites da engenharia de dados e da IA para se adaptarem à sua organização. Os dados podem ser preparados para IA com quaisquer ferramentas de engenharia de dados, como os pipelines Lakeflow. Uma tabela no Unity Catalog pode ser servida para IA, usando um índice vetorial para dados não estruturados ou uma tabela de características para dados estruturados.

Tipo de dados	Características
Não estruturado (texto, imagens, etc.)	A pesquisa com IA indexa automaticamente a sua base de conhecimento em escala para pesquisa semântica ou híbrida.
Estruturado (tabelas)	O SQL serverless permite-lhe integrar tabelas e consultas SQL na sua aplicação de IA para análises ou transformações. Os agentes Genie podem ser usados em sistemas multi-agente para responder a questões em linguagem natural sobre os seus dados estruturados. As lojas online de funcionalidades oferecem acesso em tempo real à sua aplicação de IA.

Implementar e servir IA

O Azure Databricks fornece sistemas de serviço prontos para produção para aplicações, agentes e modelos de IA, apoiados pelas Databricks Apps. Estas implementações escaláveis podem ser usadas tanto para serviço em tempo real como para inferência em lote. Todas as implementações integram-se com ferramentas de observabilidade , avaliação e monitorização .

Estrutura de desenvolvimento	Desdobramento e serviço
Aplicações Databricks	Aplicações e agentes podem ser implementados através do Databricks Apps, que fornece implantação baseada em UI e API.
Assistente de Conhecimento	Knowledge Assistant automatiza a implementação do seu agente nos endpoints Model Serving.

Rastrear, avaliar e monitorizar a IA

O Azure Databricks fornece MLflow gerido para observabilidade, avaliação e monitorização da IA. As APIs open-source tornam a integração e portabilidade simples, enquanto o serviço gerido fornece endpoints prontos para produção. O MLflow gerido pela Databricks pode ser usado para aplicações e agentes de IA alojados no Databricks e noutros locais.

Categoria	Características
Rastreamento e observabilidade	O MLflow Tracing permite-lhe instrumentar os seus agentes e aplicações de IA para recolher dados de telemetria e observabilidade para avaliação, monitorização de produção e auditoria.
Evaluation	A Avaliação MLflow permite-lhe medir a qualidade dos sistemas de IA. Juízes e avaliadores de LLM integrados e personalizados e conjuntos de dados de avaliação permitem-lhe adaptar a avaliação ao seu caso de uso.
Monitoring	Monitorização da produção permite-lhe medir a qualidade em registos de produção, usando os mesmos juízes e pontuadores da avaliação do tempo de desenvolvimento.
Feedback humano	Durante o desenvolvimento, a Review App permite-lhe fazer verificações rápidas de vibração usando uma interface de chat e recolher feedback de especialistas nas sessões de rotulagem. Durante a produção, as APIs permitem-lhe anotar traços com feedback dos utilizadores.

LLMOps

O Azure Databricks fornece um conjunto completo de ferramentas para operações de IA, ou "LLMOps". A governação unificada de dados e ativos de IA no Unity Catalog simplifica e assegura a implementação da IA em toda a organização. O AI Gateway simplifica a gestão de modelos de muitos fornecedores de modelos de IA. MLflow e Declarative Automation Bundles fornecem versionamento e infraestrutura como código para implementar processos LLMOps robustos.

Categoria	Características
Governação de ativos de dados e IA	O Unity Catalog fornece governação unificada para dados e ativos de IA. Os ativos de dados incluem ficheiros, tabelas, índices vetoriais e armazenamentos de funcionalidades. Os ativos de IA incluem modelos, ferramentas e ligações para servidores MCP e outras APIs.
Governação dos endpoints do modelo	O AI Gateway fornece governação central e monitorização para os endpoints dos modelos de IA.
Controlo de versões de prompts	O MLflow fornece um Registo de Prompts, bem como acompanhamento de experiências.
Infraestrutura como código	Os MLOps Stacks, que são construídos sobre os Databricks Assets Bundles, fornecem gestão e implementação baseada em código de infraestrutura e fluxos de trabalho.

Suporte open source

O Azure Databricks oferece suporte total ao ecossistema open-source em rápido crescimento para IA.

Para desenvolvimento, pode usar qualquer framework open-source e implementá-lo através das aplicações Databricks. Os serviços Databricks podem ser usados por ferramentas e aplicações de IA de terceiros utilizando servidores MCP ou a API REST ou SDKs.

Para observabilidade, avaliação e monitorização, MLflow Tracing fornece registo automático nativo para mais de 20 frameworks de IA de código aberto, e pode adicionar rastreio personalizado a quaisquer outros frameworks ou ao seu código. Os registos podem então ser usados com MLflow para avaliação e monitorização de produção. Os traços seguem as especificações do OpenTelemetry e podem ser exportados para ferramentas de terceiros.

Recursos adicionais

Comentários

Esta página foi útil?

Last updated on 2026-08-03