Ask, build, compose: What our 5th Genie Hackathon taught us about Databricks Genie

Ask, build, compose: What our 5th Genie Hackathon taught us about Databricks Genie | Databricks Blog

跳过导航到主要内容

技术

2026年7月9日

Ask, build, compose: What our 5th Genie Hackathon taught us about Databricks Genie

通过十个客户项目讲述Genie Agent、Genie Code和agentic Genie的使用指南

作者：Shruti Prasanna 和 Rob Bajra

摘要

• 我们的第五次客户黑客松成为了一次亲身体验Databricks Genie全部功能的实践之旅，这十个项目构成了一个优秀的学习课程。

• 三个赛道对应Genie的三种使用方式：通过Genie Agent与数据对话、使用Genie Code构建、将Genie组合到代理中，分别面向不同类型的用户。

• 从一个团队终于能够访问自己的数据，到一个代理在晚上11点自动生成供应链简报，这些项目展示了为什么受控的对话式分析正在成为基础功能而非附加特性。

Databricks 黑客松的运作方式

我们举办这些黑客松只有一个原因：学习产品最快的方式是用它构建一些东西。每次黑客松都会以一次赋能会议开始，团队在此了解产品及其路线图的发展方向。然后开始构建。团队大约用一周时间合作并提交项目，最优解将获得奖励。

这是我们第五次举办，本次聚焦的产品是Databricks Genie。

为什么Genie适合黑客松

Databricks Genie产品让用户可以用普通英语而非SQL与数据交互，这为黑客松提供了广阔的应用空间。Genie不是一个单一功能，而是一个产品家族，它以三种方式呈现：

• Ask it（询问它）。Genie Agent是您受控数据的聊天界面。

• Build with it（用它构建）。Genie Code是一个自主AI合作伙伴，协助数据、分析和机器学习工作流。

• Compose it（组合它）。Genie Agent可以作为工具暴露给代理和应用程序自主调用。

这三种方式服务于组织中不同的团队，这正是我们设置三个赛道的原因。我们将按照这个顺序进行介绍，从只想获取答案的业务用户，到将Genie Agent集成到完整舰队的工程师。贯穿这三种方式的共同点是：Unity Catalog始终控制着谁可以看到什么，无论问题如何提出，Genie Ontology则提供了共享的语义理解。

OneTrust 直接遇到了 Genie Agents 的一个真实机制。单个代理被设计为专注于最多 30 张表，这能保持回答的快速和准确，但 OneTrust 真实分析师关心的数据却跨越了 190 张表和 300 多个视图。因此他们构建了一个监督层，将数据分片到多个专注的 Genie Agents 中，将每个问题路由到正确的代理，并将答案重新拼接成一次对话。从用户视角来看，没有任何变化：他们仍然只需向一个代理提问。在后台，纯英文的自助服务现在可以跨越整个企业数据环境，而不会牺牲保持其可信度的治理机制。

另一支团队将 Genie Agent 指向约 16 万条贷款记录，并关键性地教会了它团队的语言，定义了“cure”（治愈）的含义以及“DNC”（拒绝电话）代表什么，使模型能将日常问题映射到正确的数据上。很快，催收团队就能用纯英文提问，并了解到例如大多数逾期贷款在约 15 天内解决的事实。最精彩的时刻是意外发生的：一旦词汇库建立，代理开始提出团队未曾想到的尖锐问题。这就是优质上下文如何将聊天框转变为真正的分析工具。

轨道 2：使用 Genie 代码构建

提问只是开始。下一个问题是：谁可以构建，以及能多快构建。

适用对象：分析师和构建者。这些半技术背景的人熟悉数据并能编写部分 SQL，但一旦项目需要流水线、函数或精美的仪表板时，他们通常会遇到瓶颈。

Genie 代码是构建者家族的核心成员。你只需用普通语言描述需求，它就会完成工作：在 Databricks 内部自动生成指标视图、Unity Catalog 函数、流水线和仪表板，无需单独搭建开发环境。由于与 Unity Catalog 深度集成，它理解你的真实数据结构和语义，因此能选择正确的连接方式而非编造列名。对分析师而言，这就是杠杆效应。过去需要提交数据工程工单或耗费一周手工编写 SQL 的工作，现在只需一个下午就能完成，这正是该轨道设计的初衷。

一个团队将 Genie 应用于数据团队自身。他们使用 Genie 代码构建了一个治理智能平台，可标记需要退役的闲置报告，利用血缘关系和 SQL 逻辑聚合同类重复报告，并评估数据是否真正准备好供 AI 使用。这类通常需要一个季度和路线图的跨领域治理项目，通过 Genie 代码在黑客马拉松期间就完成了。

Procore 在不离开 Databricks 的情况下，为一家度假租赁平台构建了完整的分析体验。Avinash、Abdullah、Amy 和 Jason 使用内置的 AI 函数如 ai_extract() 自动分类和评分房源列表，随后推出了包含关键绩效指标、年度趋势和预测的仪表板，并旁置了一个 Genie Agent，可在数秒内回答投资组合经理的提问“我应该添加哪些设施来提高满意度？”。这款精美的多组件产品，仅用数天而非数周就完成了开发。

Fanatics Betting and Gaming 构建了一款客户体验工具，可在一整天内为经理提供按需生成的、基于投资回报率（ROI）的行动列表。随后他们做了一件我们非常欣赏的事：他们使用 Genie 对自己的流失模型进行了压力测试，发现两个基于历史数据的特征几乎包含了所有信号，并诚实地得出结论——更简单的方法同样有效。他们甚至将这一工作流程封装成可重复使用的分析师技能。当构建速度如此之快时，你可以负担得起对自身工作提出挑战，这才是优秀分析师应有的工具使用方式。

轨道 3：将 Genie 集成到代理中

你可以与数据对话，也可以用数据构建。最后的飞跃是让我们最兴奋的部分。

适用人群：有技术氛围的开发者。这是深入的领域，所有元素在此交汇。任务简要说明是：在 Databricks Apps 上构建一个完整的代理，其中 Genie 是其工具之一，并且需要自行实现。

这部分改变了 Genie 的定位。Genie 代理不一定要作为终点存在。通过 Genie 对话 API 和 Databricks 内置的托管 MCP 服务器，Genie 代理成为了一个受控工具，任何代理都可以调用它来提出自然语言的数据问题并获得有依据的答案。因此，工程师可以在 Databricks Apps 上构建代理，将 Genie 与其它 MCP 服务器、模型服务端点和自定义逻辑连接起来，通过 MLflow 追踪整个流程，并使用 OAuth 和 Unity Catalog 对每次调用进行治理。Genie 负责“与数据仓库对话”，其余部分由你来构建。

ShipBob 构建了令人印象深刻的项目——午夜11点运营简报。供应链团队通常在问题发生后才意识到中断情况。ShipBob 的系统会在他们之前生成夜间简报，由主管协调多个专业代理：Genie 负责查询数据仓库，其他代理则整合17个实时公开数据源，识别重复模式并起草、核查结果。输出是一份用普通英语撰写的简报，包含真实数字（例如约192,000美元的潜在收入损失），并附有等待人工审批的操作建议，所有步骤均在 MLflow 中追踪。原本需要30分钟的站立会议，现在只需30秒阅读。这清晰地展示了 Genie 作为团队合作者而非独立个体的角色。

Reach Mobile 构建了 DBX Lens，将这一理念反向应用于 Databricks 本身。它将嵌入式 Genie 代理与其自有 MCP 服务器配对，使你能够提出“过去30天按SKU显示DBU”这样的问题，并通过 Unity Catalog 系统表以普通英语获得成本和治理答案，且权限范围限定在你的权限内。它甚至包含一个功能，可以将自然语言治理规则转换为经过净化的SQL语句，使用 Model Serving 实现。可以将其视为内置的 FinOps 分析师，帮助团队保持效率并遵循最佳实践。

Kin Insurance 构建了一个用于增长和营销的代理，该代理研究新市场，与 Genie 协同进行分析，并向团队提供可执行的建议。通过将自主规划与 Genie 代理结合，它将原本需要多步骤完成的研究和报告流程简化为一次请求。减少询问，增加行动。

另外两个构建案例从不同角度展示了相同的组合理念。

Ripple 为受监管的金融行业构建了一个 KYC（了解您的客户）简报代理：Genie 提供内部 CRM 上下文，而代理则针对外部制裁、执法和负面媒体报道来源进行筛选，将原本需要三到四小时的人工会前研究压缩为一个提示和不到一分钟的完整简报。经过认证的指标视图确保数据准确性，每次运行都会记录到 Unity Catalog 中，形成清晰的审计轨迹。

Fanatics Betting and Gaming 构建了 FirstBet Coach，这是一款面向新体育博彩客户的入职指南，结合了 Genie 超过十张受控表格、团队自主构建的定制体育数据 MCP 服务器，以及持久化记忆和 MLflow 追踪功能，内置审计轨迹。两个 MCP 服务器，一次对话，且在前端已设置负责任的博彩防护措施。

更宏观的视角

连续阅读这三个案例，您将获得 Databricks Genie 家族的完整工作流程演示。一个收集负责人通过 Genie Agent 提问。一个分析师借助 Genie Code 部署治理平台。一个工程师将 Genie 作为众多工具之一交给自主代理使用。与它对话、用它构建、用它组合。

之所以这三个案例都可以安全地面向真实用户，是因为他们都依赖于一个无需额外思考的底层架构：Unity Catalog。决定 Genie Agent 中业务用户可见内容的治理机制，同样决定了 Genie Code 可访问的范围以及代理可返回的数据边界。一旦数据得到良好的描述和治理，Genie 就能精准地在业务用户、构建者和工程师各自的工作场景中提供支持。

向所有十个团队致敬，他们成功构建了实际可用的产品。以下是开始使用 Databricks Genie 家族的推荐资源：

• 在 Data + AI Summit 上观看对话式分析和代理分析的专题演讲。
• 新手使用 Genie Agent？从 Genie 入门指南和代理构建最佳实践开始。
• 想要构建？了解 Genie Code，并学习如何将 Genie Agent 部署到代理后端。
• 准备尝试？立即启动免费试用，将 Genie Agent 指向您自己的数据。

订阅获取最新文章

订阅我们的博客，最新文章将直接发送到您的邮箱。

立即订阅

查看所有博客

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"