Uber内部AI助手Genie通过Slack解答工程支持问题，采用RAG而非微调：用Spark ETL管道从Engwiki等来源提取文档，经LangChain分块和OpenAI嵌入模型生成向量，存入内部向量数据库Sia供检索。提问时先检索相关片段，再连同来源URL交给LLM生成带引用的回答以减少幻觉。Genie支持追问、标记解决或转人工，并收集四类反馈存入Hive分析；Uber还用LLM评审评估回答与文档质量。上线一年覆盖154个频道，回答超7万问题，有用率48.9%，节省约1.3万小时。

Databricks产品营销总监Richard Tomlinson指出，自然语言分析长期未兑现承诺，瓶颈不在大模型，而在缺乏业务上下文。可信的AI分析需三层基础：受治理的数据、明确可读的语义定义，以及可追溯验证的信任层。语义锚定将问题绑定到企业实际指标、关系与规则，治理则贯穿AI代理的每个决策。Genie通过本体、对话上下文管理和权限控制，让非专业用户也能获得可信答案。

Meta广告MCP服务器已上线Databricks Marketplace，可将企业数据与模型接入智能体广告工作流。该服务器提供25+工具，覆盖广告活动全生命周期，包括创建广告、调整预算、管理受众和拉取效果数据。营销人员可通过Genie用自然语言结合Databricks业务数据探索Meta广告表现并直接执行操作。管理员可通过Unity Catalog和Meta Business Settings设置规则，服务器端强制执行，确保安全可控。

Databricks推出Genie Ontology，为Genie提供企业业务上下文，整合Unity Catalog治理指标、仪表盘、文档等来源并按权威性排序。产品团队借此每周自动生成采用率报告、调查趋势、预测并创建智能体，提升分析效率与治理合规性。

选择首批Genie Agents时，采用五项评分标准：影响力、需求、数据就绪度、范围和治理，每项1-5分。总分20-25分可立即构建，14-19分需完善，低于14分暂缓。若无业务负责人或高管支持，无论得分多高都应推迟。应避免“万能代理”和“虚荣演示”，优先选择需求明确、数据就绪、范围可控的工作流。

Databricks推出面向财务运营的AI助手Genie One，基于企业业务语境，帮助财务团队分析业绩、建模情景、调查差异并加速预测与报告，支持差异分析、现金流与营运资金管理、月末结账、采购支出审查等场景，并遵循权限与审计管控。联合利华、Coty等企业已借此将数天工作缩短至数分钟。

Genie One 是数据智能AI同事，帮助业务用户基于企业数据获得可信答案。推广失败常因一次性覆盖过多领域、定义混乱、语义层无人负责。应采用分阶段治理：先选一个受治理的数据域试点，用问题集评估，靠早期用户建立信任，再逐步扩展。核心组件包括 Genie One、Genie Agents、Genie Ontology 和 Unity Catalog，后者在查询时执行权限、脱敏与审计。成功关键不在模型，而在于懂业务并有序推广。

Databricks 推出 Genie One MCP，基于 Genie Ontology 提供受治理的业务上下文，使 ChatGPT、Claude、Copilot 等 AI 助手能准确理解指标定义、数据关系与权限，可靠回答业务问题。它支持按用户身份鉴权，确保结果合规可追溯，并可直接在现有工具中使用。

Databricks 宣布 Genie One MCP 正式向所有用户开放。它作为统一接口，让任意 AI 智能体获取 Genie One 的结构化与非结构化数据洞察，并以 Genie Ontology 为治理基础，提供一致业务语义。该服务托管于 Unity Gateway，支持集中治理、细粒度策略与审计日志，可消除智能体各自为政、答案冲突的问题，适用于演示、客户成功和编码等场景。

Databricks推出Unity Catalog Pages，作为Genie Ontology的人工策展层，允许数据管理员定义企业术语的权威含义供AI代理使用。Pages结合结构化字段与丰富内容，可关联数据资产，并支持Genie Code从Confluence等来源批量导入生成，确保AI基于可信业务上下文回答。目前处于Beta阶段。

英国每年因能源盗窃损失超14亿英镑，仅40%的目标案件被侦测到。文章认为关键不在于检测，而在于将机器学习洞察转化为受治理的业务运营：借助Databricks平台把检测、调查、追回与报告整合为闭环，利用AI生成案件摘要和派工报告，用Lakebase存储实时案件状态，并通过Unity Catalog保障合规与数据安全。该模式可扩展至保险欺诈、预测性维护等领域。

Databricks营销团队将营销数据统一到受治理的湖仓，并基于Genie Agents构建对话式分析助手Marge，让营销人员用自然语言快速获取可信答案。团队通过完善数据模型与元数据、提供可信逻辑和示例、明确业务术语、持续收集反馈来建立信任，并从邮件营销单一场景起步逐步扩展。Marge已服务超85%营销人员，回答逾5000个问题，使数据使用频率提升三倍。

本文介绍Databricks Genie One如何赋能营销团队，将数据转化为行动。它作为AI助手，帮助营销人员绕过分析师瓶颈，直接查询活动、客户和管道数据。文章列举五个用例：活动绩效分析、归因漏斗探索、客户信号挖掘、跨渠道洞察及领导快速决策。Genie One支持自然语言提问、复用技能和移动端访问，确保数据治理，加速营销策略落地。

Genie Agents新增多项功能：Agent模式支持多步分析，现可通过API集成至自定义应用；可分析Unity Catalog卷中的非结构化数据（如PDF），结合结构化数据提供更全面洞察；Genie Code简化代理创建、诊断与优化；支持共享对话，促进团队协作与反馈。

本文介绍Databricks Genie Ontology的实践指南，强调通过六层渐进式实践（数据基础、语义建模、上下文、治理、评估等）提升企业AI回答质量。核心是结合语义模型与推断上下文，从单一高价值领域起步，逐步扩展，确保数据可信、治理安全，并通过持续评估优化，建立用户信任。

Genie One推出桌面应用及协作功能，支持全局启动器、文档编辑评论分享，并扩展企业上下文（如Ontology片段和文件上传）。用户可共享工作流或创建Genie Agent，所有操作基于Databricks治理，确保安全合规，助力从提问到行动的高效流程。

Databricks 扩展了入站私有链接功能，现支持账户级资源（如 Genie One、账户控制台）和自定义 URL，并推出跨区域共享通用访问端点，简化多工作区管理。新功能集成于基于上下文的入口控制，允许精细访问策略，且与现有设置兼容。该功能已在 AWS 和 Azure 的 Beta 版中提供。

Genie Agents能将受治理的业务上下文转化为特定领域的AI代理，通过单一提示词创建，基于Unity Catalog中的结构化数据、文档和文件进行推理。代理质量取决于上下文质量，而非提示词。建议从单一聚焦用例开始，便于测试和基准评估，再逐步扩展知识源和工具，以提供可靠、可追踪的答案。

苏格兰水务公司利用Databricks Genie构建SPARK系统，使项目团队能在Microsoft Teams中通过自然语言查询项目数据，即时获得基于治理数据的答案。该系统解决了数据访问难题，减少了报告查找时间，提升了决策效率，并通过内置治理和监控确保答案可信，实现了数据民主化。

加拿大一家大型铁路物流公司利用Databricks的Genie Code、Unity Catalog和自定义Agent Skills，将传统数据管道现代化流程自动化。通过YAML提示生成生产级代码，新表摄取时间从数天缩短至分钟，自动化率超90%。系统结合元数据驱动和确定性代码生成，确保一致性，并计划扩展至更多自动化场景。