Databricks推出Genie Code智能体，自动化数据科学工程任务

Databricks发布了全新AI智能体Genie Code，旨在帮助企业数据从业者自动化数据科学和工程任务。

Genie Code作为内嵌面板集成在Databricks的笔记本、SQL编辑器和Lakeflow Pipelines编辑器中，能够规划、构建、部署和维护端到端机器学习工作流。该产品可以自动化MLflow实验跟踪、监控管道、修复模型问题以及优化资源配置。

分析师认为Genie Code对企业具有重要价值。Future Group首席信息官实践部门负责人Dion Hinchcliffe表示，数据团队在拼接管道、SQL转换、特征工程逻辑和编排代码方面耗费大量时间，Genie Code通过对话界面生成和修改这些组件，能够缩短从数据中提取洞察的时间。

除了提升生产力，Genie Code还能降低治理和合规挑战的时间和精力成本。HFS Research执行研究负责人Ashish Chaturvedi指出，随着数据管道和机器学习工作流日益复杂和分布式，确保开发者遵循访问控制、政策要求和审计标准传统上需要大量手动监督。Genie Code的自动化能力结合Databricks Unity Catalog，旨在简化这一过程。

对于首席信息官而言，自动化治理和合规解决了一个主要痛点。Pareekh Consulting首席分析师Pareekh JAIn认为，Genie Code通过模型上下文协议的可扩展性同样对开发者有益。

该协议支持允许开发者将Genie Code与Jira、GitHub、Confluence和Notion等第三方工具集成，直接在现有系统中触发训练模型或故障排除管道等任务，同时自动将结果更新回这些平台。Broadcom站点可靠性工程师Advait Patel表示，这有助于减少上下文切换，而不是在文档、笔记本、仪表板和故障排除屏幕之间跳转。

一些分析师认为，Genie Code的发布标志着Databricks更广泛的战略转变，而不仅仅是另一个开发者生产力工具的推出。HyperFRAME Research AI栈实践负责人Stephanie Walter表示，Genie Code是让湖仓成为企业AI智能体或应用程序运行时环境的微妙策略。

Databricks正逐步将其平台转变为智能体可以推理数据、编写代码、执行工作流并在单一治理系统内评估结果的环境。如果这一愿景成功，竞争战场将从传统的商业智能工具或笔记本转向控制企业AI系统实际运行层的争夺。

Hinchcliffe认为这对首席信息官来说可能是重大转变，将把企业开发的重心转向数据平台本身。成为数据工程和分析"AI操作系统"的供应商可能在下一个十年拥有企业软件栈的大部分份额。

Hinchcliffe还观察到Snowflake的类似战略举措，Snowflake的Cortex Code通过在Snowflake生态系统内帮助生成查询、管道和分析工作流来追求类似目标。Jain也看到超大规模云服务商的类似进展，至少在AI智能体管理数据工作流方面，微软正在整合Fabric Copilot、GitHub Copilot for data和AI驱动的管道，谷歌正在构建BigQuery AI智能体和Gemini数据助手，AWS提供用于数据分析的Q和用于管道编排的Bedrock智能体。

然而，两位分析师都认为Databricks可能具有优势，特别是相对于Snowflake。Hinchcliffe表示，Databricks的优势可能在于平台深度，其技术栈在统一架构下涵盖数据工程、机器学习工作流和生成式AI工具，这意味着编码智能体可以接触更广泛的原语集合。Databricks还大力投资可观察性和大语言模型操作能力，这很重要，因为企业越来越希望监控AI生成代码在生产环境中的行为。

据该公司表示，Genie Code已正式发布，客户可免费使用。

Q&A

Q1：Genie Code是什么？它能做什么？

A：Genie Code是Databricks推出的AI智能体，专门帮助企业数据从业者自动化数据科学和工程任务。它能够规划、构建、部署和维护端到端机器学习工作流，包括自动化MLflow实验跟踪、监控管道、修复模型问题以及优化资源配置。

Q2：Genie Code如何解决企业数据团队的痛点？

A：数据团队通常需要花费大量时间拼接管道、SQL转换、特征工程逻辑和编排代码。Genie Code通过对话界面自动生成和修改这些组件，大大缩短了从数据中提取洞察的时间，并有助于更快的运营决策。

Q3：Genie Code与其他同类产品相比有什么优势？

A：相比Snowflake等竞争对手，Databricks的优势在于平台深度。其技术栈在统一架构下涵盖数据工程、机器学习工作流和生成式AI工具，编码智能体可以接触更广泛的功能集合。此外，Databricks在可观察性和大语言模型操作能力方面投资较大。