Data + AI Summit 2026 上 Genie Code 的新功能
Genie Code 是 Databricks 上用於資料和機器學習工作的專業代理。過去一年，Genie 產品增長超過 10 倍，被 90% 的客戶使用。本次峰會推出了全新的全頁命令中心，用於管理多執行緒工作；增強了機器學習工作流程的代理能力，包括與 MLflow、模型服務和計算感知的原生整合；即將推出定時任務，實現自主工作；以及 Genie ZeroOps 將自動化擴充套件到生產運維。
在 Data + AI Summit 2026 上，Databricks 宣佈了 Genie Code 的重大更新，Genie Code 是其專門用於資料和機器學習工作的代理。過去一年，Genie 產品增長了超過 10 倍，並被 90% 的 Databricks 客戶使用。團隊利用它來構建模型和管道、除錯故障、建立儀表盤、在筆記本中分析資料以及改進生產系統。
全新的全頁命令中心為資料團隊提供了一個統一的地方來管理複雜的多執行緒工作。使用者可以檢視執行緒狀態、審查點，並快速訪問指令、技能和聯結器。該命令中心允許團隊同時處理多個 Genie Code 執行緒，檢視執行緒是正在執行還是等待輸入，並在新結果準備好時返回每個執行緒。使用者還可以重新命名執行緒、搜尋以前的對話，並在專案演變時保持方向感。
Genie Code 擴充套件了機器學習工作流程。它現在原生整合到整個 Databricks ML 堆疊中，包括 MLflow、模型服務和計算感知。Genie Code 可以讀取實驗和可觀測性資料，詢問“如何提高訓練期間的 GPU 利用率？”等問題，並得到基於實際執行的答案。它還能檢查端點健康、診斷服務問題並最佳化執行中的端點。當作業需要 GPU 進行訓練時，Genie Code 會自動切換到 AI Runtime，並使用工作區環境功能設定環境。
最新升級包括：MLflow 整合，允許 Genie Code 讀取執行、工件、模型譜系、質量指標和系統指標；模型服務整合，用於檢查端點健康並診斷問題；計算感知，自動選擇適當的執行時。此外，Genie Ontology 學習團隊如何構建特徵、訓練模型和評估候選模型，使 Genie Code 遵循這些模式而不是預設值。
定時任務即將推出，讓 Genie Code 在使用者不在時自主工作。使用者可以設定提示和可選的相關資產，如筆記本或儀表盤，然後 Genie Code 建立一個包含結果的執行緒供使用者審查。例如，資料團隊可以要求 Genie Code 檢查隔夜作業結果、總結管道執行、解釋儀表盤指標的變化或準備每週分析。
Genie ZeroOps 將這種方法擴充套件到生產運維。它監控即時系統，調查問題並準備修復方案供團隊審查和批准。對於機器學習系統，這包括模型漂移、服務錯誤和上游管道問題；對於資料工程系統，它幫助團隊從監控和診斷轉向修復和最佳化。
這些更新是 Databricks 向 AI 原生資料和機器學習工作流轉變的一部分。Genie Code 幫助資料團隊更快地構建、除錯和改進系統，而 Genie ZeroOps 將代理自動化擴充套件到運維。兩者共同幫助團隊在整個生命週期中更快地移動，從構建系統到操作並隨時間改進。