从企业上下文到行动：Genie Agents 现可分析更多数据源，助力工作转型
内容提要
Databricks将Genie Agents升级为无代码智能体，可同时分析湖仓结构化数据与海量非结构化文档，自动解析、索引并提供页码级引用，还能通过MCP连接Slack、Google Drive等企业工具执行操作。新增OpenSharing和Genie Clean Rooms，支持向外部伙伴共享受治理的智能体，敏感数据可隐藏底层内容。基准测试与监控机制保障准确性。
延伸解读
非结构化数据分析的工程化取舍
文章指出，传统上要分析海量文档需自建RAG、解析、索引和权限体系，成本高且难维护。Genie Agents将解析、索引和检索自动化，并保留页码级引用，降低了搭建门槛。但需注意，该能力目前处于公开预览阶段，且依赖Unity Catalog Volumes和权限体系，企业需先完成文档资产治理才能发挥价值。
从洞察到行动：MCP连接器的治理边界
原生MCP连接器已正式可用，可连接Slack、Google Drive等工具并执行创建工单、发消息等操作。文章强调作者可限定每个智能体可用的工具，且所有连接经Unity Gateway治理。这意味着自动化工作流的前提是明确权限边界，避免智能体越权操作。销售团队案例展示了限定Slack仅发摘要的实践，值得借鉴。
对外共享智能体的两种模式与风险控制
OpenSharing允许向外部伙伴共享预载数据和指令的智能体，实现数据货币化；Genie Clean Rooms则隐藏底层数据和IP，仅提供问答，并支持对话次数和输出大小限制。两者均处于测试阶段。企业需根据数据敏感度选择模式，并注意Clean Rooms虽隐藏数据，但仍需评估输出内容是否可能泄露敏感信息。
准确性保障：基准测试与持续监控
文章介绍用基准测试像单元测试一样定义常见问题与标准SQL答案，评分并在变更后重跑以捕捉回归；生产环境通过监控标签和用户反馈发现不足。这提示读者，智能体的准确性依赖业务专家持续补充指标视图、SQL表达式和指令，而非一次性配置。企业应建立迭代机制，将反馈转化为治理定义。
Q&A
Genie Agents 现在能分析哪些类型的数据？
Genie Agents 现在可以同时分析湖仓中的结构化数据（如 Unity Catalog 中的表）和非结构化文档（如 PDF、文档、幻灯片、图像），并能通过 MCP 连接器获取企业工具（如 Slack、Google Drive）中的上下文，在单一对话中跨这些数据源进行推理。
Genie Agents 如何处理非结构化文档并保证引用准确？
Genie Agents 使用自定义 AI 文档解析功能，像人一样读取文件，识别表格、图表、页眉页脚并保留上下文。解析和索引大规模运行，一个智能体可处理数千个文件，搜索相关文件并为每个答案引用具体页码。
Genie Agents 能连接哪些企业工具，可以执行什么操作？
通过原生 MCP 连接器（已正式可用），Genie Agents 可以连接 Slack、Google Drive、Google Calendar、Gmail、Glean、Atlassian、Github、Microsoft 365 等工具，并能执行创建工单、更新记录、发布消息等操作。作者可以选择每个智能体可使用的工具，所有连接器通过 Unity Gateway 治理。
如何与外部合作伙伴或客户共享 Genie Agent？
通过 OpenSharing，提供方可以将预加载了指令和上下文的完整 Genie Agent 共享给跨 Databricks 账户的外部接收方，提供对底层数据的实时访问。对于敏感数据，Genie Clean Rooms 允许接收方提问并获得答案，但无法查看底层数据或知识产权，还提供对话限制和输出大小控制等额外管控。
Genie Agents 如何确保回答的准确性和持续改进？
Genie Agents 基于企业上下文层，学习业务定义、指标、表关系和列含义。主题专家通过指标视图、SQL 表达式和示例查询添加上下文。基准测试像单元测试一样，定义常见问题及黄金标准 SQL 答案，评分并在更改后重新运行以捕获回归。生产中的监控选项卡和用户反馈显示答案不足之处，使智能体随使用而改进。
Genie Agents 在销售团队的实际使用案例是什么？
销售团队准备季度管道审查时，Genie 智能体分析 Databricks 中的管道数据，从 Google Drive 拉取客户计划，从 Unity Catalog 卷中获取赢单/输单报告，然后将交易策略摘要发布到团队的 Slack 频道。作者可以将 Slack 连接器限制为仅发布摘要，管理员通过 Unity Gateway 治理每个连接，将数小时的手动准备转变为自动化工作流。
