Genie Agents现支持多步推理的Agent模式及API、分析Unity Catalog卷中的非结构化文件，并推出Genie Code帮助数据专家更快构建和优化代理。
AI解读：Databricks此次更新让Genie Agents从单纯回答表格查询，扩展为能处理更复杂、开放式的业务问题。核心变化在于引入了Agent模式：代理不再只做一次查询，而是能自己制定研究计划、多次迭代探索数据，最后输出带图表和引用的报告，这相当于把原本需要数据分析师完成的工作自动化了。同时，新增的文件分析能力（通过Unity Catalog卷）让代理能结合PDF、文档、图片等非结构化内容与表格数据一起回答问题，例如分析客户流失原因时，既看数据也能读退出调查问卷。对于开发者，Agent模式API意味着可以把这些能力嵌入到自己的应用、聊天机器人或定时报告中。而Genie Code工具则针对构建者，能根据描述自动生成代理、诊断故障并建议改进，降低制作高质量代理的门槛。值得注意的是，文件分析受Unity Catalog权限控制，用户只能看到自己有权限的文件。总体而言，这次更新主要惠及需要快速获取深度数据洞察的业务用户（无需等分析师）和需要将多步分析集成到现有系统的开发者。不过，新功能效果（如响应速度、准确性提升幅度）尚未有公开基准数据，实际表现仍有待验证。
Databricks宣布扩展其Genie Agents功能，新增Agent模式、Agent模式API、对Unity Catalog卷中非结构化文件的分析能力，以及用于辅助代理构建的Genie Code工具。据Databricks官方博客，这些更新旨在让代理能够回答更广泛的问题，并简化编排流程。
Agent模式与API：多步推理进入生产环境
Agent模式是Databricks在Data and AI Summit上发布的Genie Agents的扩展能力，现对所有Genie Agents开放。该模式通过智能体推理循环支持多步分析：代理可以创建并完善研究计划，在多次迭代查询中探索数据，最终返回包含发现、可视化和引用的报告。根据Databricks的说明，这适用于此前需要数据分析师和完整研究计划的开放式业务问题。
开发者可通过Agent模式API在Databricks界面之外集成该功能。API支持将多步推理集成到自定义应用、聊天机器人、定时报告和内部工具中，并通过Server-Sent Events (SSEs) 向客户端流式传输响应。开发者还可以保持完整对话（包括后续追问），并通过API检索对话和消息以进行程序化监控。API还增加了可视化支持，能返回丰富的视觉见解和数据表格。
文件分析：非结构化数据进入问答
Genie Agents现在可以分析存储在Unity Catalog卷中的文件，包括PDF、文档、幻灯片和图像，使代理能够在同一对话中结合结构化表格数据回答这些文件相关问题。代理构建者最多可为一个Genie Agent附加 10 个卷。非结构化数据分析在Agent模式下运行，通过多步推理检索和分析相关文件内容，并遵循Unity Catalog权限限制，用户只能看到其有权访问的文件。Databricks表示，内容搜索索引可提高大型文档集合中的检索速度和质量。
- 示例问题："哪些地区的客户流失最多，他们退出调查中的主要主题是什么？"
- 示例问题："比较这两份工作说明书之间的差异。"
- 示例问题："提交健身房报销的截止日期是什么？"
Genie Code与分享功能：加速编排与协作
Genie Code是一套用于构建和优化Genie Agents的工具和技能。它可以帮助作者通过描述代理目的、示例用户问题和所需数据源来创建高质量基线代理，并依据Unity Catalog中的表元数据和历史查询自动生成代理指令。Genie Code还能分析会话失败或基准测试运行结果，提出改进建议，并帮助总结用户问题主题和反馈趋势，以识别代理的知识缺口并建议上下文调整。作者在保存任何建议（包括指令、示例SQL查询或知识库配置）前都可以进行审查。
用户现在可以与队友和代理作者分享来自特定Genie Agents的聊天记录。共享对话会保持更新，新消息、编辑后的可视化和后续分析对拥有访问权限的人可见。与代理作者分享对话可便于其审查对话质量并响应反馈。