Databricks近期发布了Vital Skills，这是一套开源的Agent Skills，旨在为编码代理赋予医疗与生命科学（HLS）领域的专业知识。通用编码代理虽然能写出看似合理的代码，但往往缺乏领域纪律性，例如会不经提示就选择临床阈值，或采用通用统计方法而非领域内标准的专业方法。Vital Skills通过打包的“操作手册”解决了这一问题，这些手册基于开放的Agent Skills标准构建，帮助代理明确该问哪些问题、哪些步骤不可省略，以及应使用哪些经过验证的工具。
Genie Code是Databricks优化的编码代理，允许用户通过聊天而非编写代码来完成数据和AI任务。其与Unity Catalog的集成确保代理理解企业数据，并遵循与平台其他部分相同的安全和治理规则。然而，即便是Genie Code这样的先进代理，也缺乏领域特异性，可能采用不符合HLS标准的通用方法和临床阈值。Vital Skills正是为了弥合这一差距而设计，它使生成的代码与受治理的数据紧密相连，并让用户获得一个完整的系统，而不仅仅是一个沙盒环境。借助Databricks生态系统，用户可以基于所有数据资产、实现端到端的治理、获得包括模型服务、GPU和Apps在内的综合平台，并保持开放选择——支持任何云、任何模型和任何框架。
在评估方面，Databricks在BiomniBench这一公开的生物医学数据分析基准上测试了Genie Code（有无Vital Skills）。结果显示，在技能覆盖的5个任务上，Genie Code的平均得分从71.9提升至76.9（满分100）；而在18个范围外的任务上，得分保持稳定（无技能69.1，有技能71.2），表明技能在不需要时不会产生干扰。此外，配备技能后，Genie Code在每次范围内运行中都能正确打开对应的技能，并且在某个队列任务中，基线版本静默丢弃了一半合格患者，而使用技能后所有患者都被正确纳入。
每个Vital Skills技能都由曾多次为客户解决该问题的现场工程师主导开发，并遵循三项原则：首先，“先询问再假设”——当决策应由分析师做出时（如临床阈值），技能会暂停并提供选项让用户选择；其次，“信任经过测试的工具，而非即兴代码”——对于敏感工作，Genie Code运行经过测试的工具和代码，而不是每次编写新逻辑；最后，“用数据证明”——每个技能都在相同任务上与无技能的Genie Code进行并行运行对比。
技能目录覆盖了医疗与生命科学价值链的多个环节，包括生物信息学（如bulk-rnaseq用于寻找差异表达基因、open-weight-models用于打包和部署开源HLS模型、pathway-enrichment-analysis用于通路富集分析、sc-rnaseq用于单细胞RNA-seq分析）、临床分析（如cohort-builder用于构建可复现的患者队列、rwe-cohortstudy用于比较效果研究、semantic-builder用于构建语义层、phi-deidentifier用于HIPAA安全港去标识化），以及其他技能如presentation-builder用于生成演示幻灯片、report-writer用于撰写报告、accelerators用于路由到相关HLS加速器、skill-eval用于基准测试技能本身。这些技能可以直接使用，也可以根据用户需求进行定制，以利用用户在特定学科中的深厚专业知识。
以cohort-builder技能为例，分析师用自然语言描述人群（如“患有2型糖尿病且血糖控制不佳的患者”），技能将其转化为可复现、可解释和可辩护的队列。该技能能处理结构化和非结构化数据，在关键决策点暂停询问而非猜测，先检查可行性并显示合格患者数量，解释每个患者的纳入理由而不暴露原始临床笔记，并确保每次运行结果一致。在配对评估中，自由文本队列的F1分数从0.62提升至1.00。另一个例子是open-weight-models技能，它帮助科学家将Geneformer、TEDDY等生物基础模型部署为受治理的模型，过程中会询问运行方式（实时端点、批处理作业、应用或管道），固定模型及其工件以确保可复现和可审计，在Unity Catalog中注册并测试模型，并监控推理流量。在一个TEDDY单细胞模型部署任务中，无技能的Genie Code完成了27项检查中的19项，而有技能时27项全部完成。
为了评估技能效果，Databricks还提供了skill-eval技能，可为每个技能构建定制的评估工具，包括适当的任务、数据、评分器和预期结果。此外，在BiomniBench上的三次测试进一步验证了Vital Skills的价值。用户可以在Genie Code中浏览并安装Vital Skills，并将多个技能串联起来完成复杂任务，例如在部署开源模型后创建并调度批处理推理作业，或为嵌入模型创建向量搜索索引。