Azure Databricks AI-funktioner

Azure Databricks tillhandahåller en plattform för att skapa, utvärdera, distribuera och övervaka AI-program (AI-appar). Den samlar en uppsättning verktyg som hanterar utmaningarna med att utveckla AI-appar i företagsklass. Azure Databricks integreras med populära ramverk med öppen källkod och lägger till styrning i företagsklass, observerbarhet och operativa verktyg, som tillsammans kallas LLMOps.

På den här sidan visas viktiga funktioner för AI, ordnade efter AI-arbetsflödessteg.

Fråga AI

Azure Databricks gör toppmoderna AI-modeller från ledande modellleverantörer enkelt tillgängliga via grundmodeller som Databricks är värd för. Du kan också fråga efter modeller från externa leverantörer och dina anpassade modeller. Alla dessa modeller kan efterfrågas via gränssnitt, API/SDK och SQL-gränssnitt. Med den här valfriheten kan du använda AI för alla användningsfall---allmänt chatt, komplexa agenter, automatiserade datapipelines, interaktiv dataanalys med mera.

Metod	Features
Användargränssnitt (UI)	För utveckling tillhandahåller AI Playground ett användargränssnitt för frågor mot tillgängliga AI-modeller och agenter. För testning kan dina agenter och appar frågas och utvärderas av domänexperter med hjälp av granskningsappen. För produktion kan dina appar hanteras med ett användargränssnitt med hjälp av Databricks-appar för användning i din organisation. För externa appar kan du använda användarinriktade appar med hjälp av Databricks-API:er.
API och SDK	Modellservern tillhandahåller REST API-slutpunkter för att fråga efter modeller och agenter. Se fler frågealternativ , inklusive OpenAI-klienten och Databricks Python SDK.
SQL	AI-funktioner tillhandahåller uppgiftsspecifika och allmänna SQL-funktioner för att fråga efter modeller och agenter.

Skapa AI

Azure Databricks tillhandahåller en flexibel uppsättning verktyg för att skapa AI-appar, agenter, verktyg och modeller. Dessa omfattar användargränssnitt och kodbaserade ramverk, som alla kan optimera AI-system baserat på dina data. Du kan använda alla AI-ramverk med öppen källkod och integrera anpassade verktyg och MCP-servrar.

Kategori	Features
Apps	Databricks Apps tillhandahåller flexibel apputveckling och distribution till autentiserade användare. Anpassade appar kan drivas av Databricks-API:er.
Agenter	Kunskapsassistenten erbjuder guidad utveckling och optimering av agenter. AI Playground tillhandahåller ett användargränssnitt för prototyper av verktygssamtalsagenter. Anpassad kod och ramverk med öppen källkod kan utvecklas och distribueras med hjälp av anpassade agenter eller Databricks-appar.
Tools	Verktygsstöd omfattar MCP-servrar och Unity Catalog Functions, som båda tillhandahåller Unity Catalog-baserad styrning.
Modeller och uppmaningar	Prompt engineering kan utföras interaktivt med AI Playground eller genom datadriven optimering med MLflow Prompt Optimization. Finjustera modeller med AI Runtime.

Förbereda och hantera data

Azure Databricks förenklar data för AI genom att ena styrningen av traditionella data- och AI-arbetsbelastningar. Med alla data som hanteras under Unity Catalog med detaljerade åtkomstkontroller är det enkelt att justera datateknik och AI-gränser så att de passar din organisation. Data kan förberedas för AI med hjälp av datateknikverktyg som Lakeflow-pipelines. En tabell i Unity Catalog kan hanteras för AI, med hjälp av ett vektorindex för ostrukturerade data eller en funktionstabell för strukturerade data.

Typ av data	Features
Ostrukturerad (text, bilder osv.)	AI Search indexerar automatiskt din kunskapsbas i stor skala för semantisk sökning eller hybridsökning.
Strukturerad (tabeller)	Med serverlös SQL kan du integrera tabeller och SQL-frågor i DIN AI-app för analys eller omvandlingar. Genie-agenter kan användas i system med flera agenter för att besvara frågor på naturligt språk om dina strukturerade data. Funktionsbutiker online ger funktionsåtkomst i realtid för din AI-app.

Distribuera och hantera AI

Azure Databricks tillhandahåller produktionsklara serversystem för AI-appar, agenter och modeller som backas upp av Databricks Apps. Dessa skalbara distributioner kan användas för både realtidsbetjäning och batchinferens. Alla distributioner integreras med observerbarhet och utvärderings- och övervakningsverktyg .

Utvecklingsramverk	Distribution och servering
Databricks-appar	Appar och agenter kan distribueras med Hjälp av Databricks Apps, som tillhandahåller användargränssnitts- och API-baserad distribution.
Kunskapsassistent	Kunskapsassistenten automatiserar distributionen av din agent till modellserverns slutpunkter.

Spåra, utvärdera och övervaka AI

Azure Databricks tillhandahåller hanterat MLflow för AI-observerbarhet, utvärdering och övervakning. API:er med öppen källkod gör integrering och portabilitet enkelt, medan den hanterade tjänsten tillhandahåller produktionsklara slutpunkter. Databricks-hanterade MLflow kan användas för AI-appar och agenter som finns på Databricks eller någon annanstans.

Kategori	Features
Spårning och observerbarhet	Med MLflow Tracing kan du instrumentera dina AI-agenter och appar för att samla in telemetri- och observerbarhetsdata för utvärdering, produktionsövervakning och granskning.
Evaluation	Med MLflow Evaluation kan du mäta kvaliteten på AI-system. Med inbyggda och anpassade LLM-domare och målgörare och utvärderingsdatauppsättningar kan du skräddarsy utvärderingen efter ditt användningsfall.
Monitoring	Med produktionsövervakning kan du mäta kvalitet på produktionsdata med samma domare och bedömare som används vid utvärdering under utvecklingstiden.
Feedback från människor	Under utvecklingen kan du med granskningsappen köra snabba vibbkontroller med hjälp av ett chattgränssnitt och samla in expertfeedback i etiketteringssessioner. Under produktion kan du med API:er kommentera spårningar med användarfeedback.

LLMOps

Azure Databricks tillhandahåller en fullständig uppsättning verktyg för AI-åtgärder, eller "LLMOps." Enhetlig styrning av data och AI-tillgångar under Unity Catalog förenklar och skyddar distributionen av AI i en organisation. AI Gateway förenklar hanteringen av modeller från många AI-modellleverantörer. MLflow- och Deklarativa Automation-paket tillhandahåller versionshantering och infrastruktur som kod för implementering av robusta LLMOps-processer.

Kategori	Features
Styrning av data och AI-tillgångar	Unity Catalog ger enhetlig styrning för data och AI-tillgångar. Datatillgångar inkluderar filer, tabeller, vektorindex och funktionslager. AI-tillgångar omfattar modeller, verktyg och anslutningar för MCP-servrar och andra API:er.
Styrning av modellslutpunkter	AI Gateway tillhandahåller central styrning och övervakning för AI-modellslutpunkter.
Fråga versionshantering	MLflow tillhandahåller ett promptregister samt experimentspårning.
Infrastruktur som kod	MLOps Stacks, som bygger på Databricks Assets-paket, tillhandahåller kodbaserad hantering och distribution av infrastruktur och arbetsflöden.

Stöd för öppen källkod

Azure Databricks ger fullt stöd för det snabbt växande ekosystemet med öppen källkod för AI.

För utveckling kan du använda valfritt ramverk med öppen källkod och distribuera det med Databricks Apps. Databricks-tjänster kan användas av AI-verktyg och appar från tredje part med hjälp av MCP-servrar eller REST API eller SDK:er.

För observerbarhet, utvärdering och övervakning tillhandahåller MLflow Tracing intern automatisk loggning för över 20 AI-ramverk med öppen källkod, och du kan lägga till anpassad spårning i andra ramverk eller kod. Spårningarna kan sedan användas med MLflow-utvärdering och produktionsövervakning. Spårningarna följer OpenTelemetry-spårningsspecifikationer och kan exporteras till verktyg från tredje part.

Ytterligare resurser

Feedback

Var den här sidan till hjälp?

Last updated on 2026-08-03