Use o Agent Bricks: Knowledge Assistant para criar um chatbot de alta qualidade sobre seus documentos

info

Beta

Este recurso está em versão Beta. Os administradores do espaço de trabalho podem controlar o acesso a este recurso na página de Pré-visualizações . Veja as prévias do Gerenciador Databricks.

Esta página descreve como usar o Agent Bricks: Knowledge Assistant para criar um chatbot de perguntas e respostas sobre seus documentos e melhorar sua qualidade com base no feedback em linguagem natural de seus especialistas no assunto.

O Agent Bricks oferece uma abordagem simples para construir e otimizar sistemas de agentes de inteligência artificial ( AI ) específicos para cada domínio e de alta qualidade para casos de uso comuns de inteligência artificial ( AI ).

O que é Agent Bricks: Knowledge Assistant?

Use o Agent Bricks: Knowledge Assistant para criar um chatbot com o qual você pode fazer perguntas em seus documentos e receber respostas de alta qualidade com citações. O Knowledge Assistant usa o site AI avançado e segue uma abordagem de geração aumentada por recuperação (RAG) para fornecer respostas precisas e confiáveis com base no conhecimento especializado no domínio que o senhor fornece.

O Agent Bricks: O Knowledge Assistant é ideal para oferecer suporte aos seguintes casos de uso:

• Responda às perguntas dos usuários com base na documentação do produto.
• Responda às perguntas dos funcionários relacionadas às políticas de RH.
• Responda às perguntas dos clientes com base nas bases de conhecimento de suporte.

O Assistente de Conhecimento permite que você melhore a qualidade do agente de bate-papo e ajuste seu comportamento com base no feedback em linguagem natural de seus especialistas no assunto. Forneça perguntas para uma sessão de rótulo e envie-a para especialistas revisarem no aplicativo Review. Suas respostas fornecem dados de rótulo que ajudam a otimizar o desempenho do agente.

Bricks de agente: O Knowledge Assistant cria um endpoint de agente RAG de ponta a ponta que o senhor pode usar posteriormente em seus aplicativos. Por exemplo, a imagem abaixo mostra como o senhor pode interagir com o endpoint conversando com ele no AI Playground. Faça perguntas ao agente relacionadas aos seus documentos e o agente responderá com citações.

O Agent Bricks utiliza o armazenamentodefault para guardar transformações de dados temporárias, pontos de verificação do modelo e metadados internos que alimentam cada agente. Ao excluir um agente, todos os dados associados a ele são removidos do armazenamento default .

Requisitos

• Um workspace que inclui o seguinte:

  • Prévia (Beta) dos blocos do agente Mosaic AI ativada. Veja as prévias do gerenciar Databricks.
  • Monitoramento de produção para MLflow (Beta) habilitado. Isso é necessário para que o rastreamento funcione. Veja as prévias do gerenciar Databricks.
  • sem servidor compute ativado. Consulte os requisitos do compute sem servidor.
  • Unity Catalog habilitado. Consulte Ativar um workspace para Unity Catalog.
  • Acesso ao Mosaic AI Model Serving.
  • Acesso a modelos básicos no Unity Catalog por meio do esquema system.ai.
  • Acesso a uma política orçamentáriaserverless com um orçamento diferente de zero.

• Um workspace em uma das regiões compatíveis: us-east-1 ou us-west-2.

• O endpoint do modelo de incorporação databricks-gte-large-en deve ter os Guardrails AI e os limites de taxa desabilitados. Consulte Configurar AI Gateway no endpoint do modelo de operação.

• Você deve ter os dados de entrada prontos para uso. Você pode optar por fornecer:

  • Arquivos em um volume ou diretório de volume do Unity Catalog. Os tipos de arquivo suportados são txt, pdf, md, ppt/pptx e doc/docx.
  • Um índice de pesquisa vetorial que usa databricks-gte-large-en como modelo de incorporação. Consulte Criar um índice de pesquisa vetorial.

Crie um agente assistente de conhecimento

Vá para Agentes no painel de navegação à esquerda do seu workspace. No bloco Assistente de Conhecimento , clique em Criar .

Etapa 1: configurar seu agente

Na tab "Construir" , configure seu agente e forneça as fontes de conhecimento para que ele possa usar ao responder às perguntas.

1. No campo Nome , insira um nome para seu agente.

2. No campo Descrição , descreva o que seu agente pode fazer.

3. No painel Fonte de conhecimento , adicione sua fonte de conhecimento. O senhor pode optar por fornecer arquivos do Unity Catalog ou um índice de pesquisa de vetores.

UC Files

Para arquivos UC, os seguintes tipos de arquivo são suportados: txt, pdf, md, ppt/pptx e doc/docx. Arquivos maiores que 50 MB são automaticamente ignorados durante a ingestão e não serão incluídos na base de conhecimento.

1. Em Tipo , selecione Arquivos UC .
2. No campo Source (Origem ), selecione o volume ou diretório do volume do Unity Catalog que contém seus arquivos.
3. No campo Nome , insira um nome para sua fonte de conhecimento.
4. Em Descreva o conteúdo , descreva o conteúdo da fonte de conhecimento para auxiliar o agente a compreender quando utilizar esta fonte de dados.

Vector Search Index

nota

Vector search indexes are only supported if the index uses databricks-gte-large-en as its embedding model. When creating your vector search index, ensure you select this embedding model. For more information, see Create a vector search index.

1. Em Tipo , selecione Índice de pesquisa vetorial .
2. No campo Fonte , selecione o índice de pesquisa vetorial que você deseja fornecer ao agente.
3. Na coluna Doc URI , selecione a coluna com um link ou referência de onde a informação veio. O agente usará isso em suas citações.
4. No campo Coluna de texto , especifique a coluna que contém o texto bruto que você deseja que o agente recupere.
5. No campo Nome , insira um nome para sua fonte de conhecimento.
6. Em Descreva o conteúdo , descreva o conteúdo da fonte de conhecimento para auxiliar o agente a compreender quando utilizar esta fonte de dados.

4. (Opcional) Se você quiser adicionar mais fontes de conhecimento, clique em Adicionar fonte de conhecimento . Você pode fornecer até 10 fontes de conhecimento.

5. (Opcional) No campo Instruções , especifique as diretrizes de como o agente deve responder.

   

6. Clique em Criar agente .

Pode levar algumas horas para criar seu agente e sincronizar as fontes de conhecimento que você forneceu. O painel do lado direito será atualizado com links para o agente implantado, o experimento e as fontes de conhecimento sincronizadas.

importante

Se você atualizar ou adicionar arquivos às suas fontes de conhecimento, clique em Sincronize para que o agente detecte as alterações. A sincronização é feita de forma incremental. Por exemplo, se você adicionar um novo arquivo a um volume Unity Catalog previamente sincronizado, a sincronização processará apenas o arquivo recém-adicionado.

Somente o criador do assistente de conhecimento pode sincronizar as fontes de conhecimento.

Etapa 2: teste seu agente

Após a conclusão da criação do seu agente, teste-o conversando com ele. O agente deve responder com citações para perguntas relacionadas às suas fontes de conhecimento.

1. Em "Testar seu agente" , comece a conversar com seu agente.

2. (Opcional) Você também pode clicar em Abrir no Playground para conversar com ele no AI Playground. Se você tiver o recurso de assistência AI ativado, poderá habilitar o JuizAI e a geração de perguntas sintéticas para ajudar na avaliação do seu agente.

3. Insira uma pergunta para seu agente.

4. Avalie sua resposta:

   1. Clique em visualizar pensamentos para ver como seu agente abordou a resposta à pergunta.
   2. Clique em " Exibir fontes" para ver quais arquivos o agente está citando. Isso abre um painel lateral com uma lista de fontes para você revisar.
   3. Clique em "Ver rastreamento" para visualizar o rastreamento completo. Você pode adicionar rótulos aos rastreamentos na interface do usuário para acompanhar as avaliações de qualidade durante o processo de desenvolvimento.

Se o senhor estiver satisfeito com o desempenho do seu agente, continue usando-o como está. Em default, o ponto de extremidade do Agent Bricks é zerado após 3 dias de inatividade, portanto, o senhor só será cobrado pelo tempo de atividade.

Etapa 3: melhorar a qualidade

O Agent Bricks: Knowledge Assistant pode ajustar o comportamento do agente com base no feedback em linguagem natural. Reúna feedback humano por meio de uma sessão de rótulo para melhorar a qualidade do seu agente. A coleta de dados de rótulos para seu agente pode melhorar a qualidade do serviço. O Agent Bricks irá treinar e otimizar o agente a partir dos novos dados. Para saber mais sobre como coletar feedback, consulte Feedback de especialistas da área.

Na tab Exemplos , adicione perguntas e inicie uma sessão de rotulagem. Alternativamente, você também pode importar dados de rótulo diretamente de uma tabela Unity Catalog .

1. Adicione perguntas para incluir em sua sessão de rótulo:

   1. Clique em + Adicionar para adicionar uma pergunta.
   2. No modal Adicionar uma pergunta , insira sua pergunta.
   3. Clique em Adicionar . A pergunta deve aparecer na interface do usuário.
   4. Repita até adicionar todas as perguntas que você deseja avaliar.
   5. Para excluir uma pergunta, clique no menu kebab e depois em Excluir.

   

2. Depois que o senhor terminar de adicionar suas perguntas, envie-as para especialistas para que as analisem e o ajudem a criar um rótulo de alta qualidade dataset. À direita, clique em começar rótulo session .

   Quando sua sessão de rótulo estiver pronta, a interface do usuário será atualizada conforme mostrado abaixo.

   

3. Compartilhe o aplicativo de avaliação com especialistas para obter feedback.

   Para saber mais sobre o aplicativo Review e as sessões de rotulagem, consulte Coletar feedback e expectativas rotulando rastreamentos existentes e Criar e gerenciar sessões de rotulagem.

nota

Para que os especialistas acessem a sessão de rótulo, o senhor precisa conceder a eles as seguintes permissões:

• CAN QUERY permissão para o endpoint
• Permissão de edição para o experimento
• Permissões USE CATALOG, USE SCHEMA e SELECT para o esquema

4. Para rotular os dados por conta própria, clique em Open rótulo session (Abrir sessão de rótulo ).

   Isso abre o aplicativo de avaliação em um novo tab. Como revisor:

   1. Clique para começar a análise . Para cada pergunta, o revisor verá a pergunta e a resposta do agente.

   2. No lado esquerdo, revise a pergunta e a resposta. O senhor pode clicar em visualizar pensamentos para ver como o agente está pensando sobre a pergunta.

   3. No lado direito, em Expectativas , revise todas as diretrizes existentes e adicione mais conforme achar necessário.

      1. Para adicionar uma diretriz, clique em + Adicionar entrada .
      2. Insira a diretriz na caixa de texto exibida.
      3. Clique em Salvar .

   4. Quando terminar de revisar uma pergunta, clique em Próxima > não revisada no canto superior direito para passar para a próxima.

   5. Quando terminar de revisar todas as perguntas, basta sair do aplicativo de avaliação.

      

5. Quando seus revisores terminarem as sessões de rotulagem, retorne à tab Aprimorar a Qualidade" do seu agente.

6. Clique em merge para merge feedback dos especialistas para seu rótulo dataset. A tabela de perguntas no lado direito será atualizada com o feedback da mesclagem.

   

7. Teste o agente novamente no AI Playground para ver o desempenho aprimorado. Se necessário, comece outra sessão de rótulo para coletar mais dados de rótulo.

(Opcional) Importar e exportar dados da sessão do rótulo

Para importar novas perguntas e comentários diretamente de uma tabela do Unity Catalog:

1. Clique em Importar .

2. No campo Source (Fonte ), selecione a tabela Unity Catalog que contém os dados do rótulo.

   A tabela deve ter o seguinte esquema:

   • eval_id: string

   • request: string

   • guidelines: array

     • items: string

   • metadata: string

   • tags: string

3. Clique em Importar .

Novas perguntas e diretrizes foram incorporadas à tabela de dados de rótulos à direita.

Para exportar dados de feedback da sessão de rótulo como uma tabela Unity Catalog:

1. Clique em Exportar .
2. No campo Schema (Esquema ), selecione o local do esquema do Unity Catalog para salvar os dados.
3. No campo Nome da tabela , insira um nome para a tabela.
4. Clique em Exportar.

Uma nova tabela é criada com os dados de feedback da sessão de rótulo.

gerenciar permissões

Por default, somente os autores do Agent Bricks e os administradores workspace têm permissões para acessar o agente. Para permitir que outros usuários editem ou consultem seu agente, você precisa conceder-lhes permissão explicitamente.

Para gerenciar as permissões do seu agente:

1. Abra sua agência no Agent Bricks.

2. Na parte superior, clique em Cardápio de kebabs.

3. Clique em gerenciar permissões .

4. Na janela Configurações de Permissão , selecione o usuário, grupo ou entidade de serviço.

5. Selecione a permissão que deseja conceder:

   • Gerenciar : Permite gerenciar os Agent Bricks, incluindo definir permissões, editar a configuração do agente e melhorar sua qualidade.
   • Permissão para consulta : Permite consultar o endpoint do Agent Bricks no AI Playground e por meio da API. Usuários com apenas essa permissão não podem view ou editar o agente no Agent Bricks.

6. Clique em Adicionar .

7. Clique em Salvar .

nota

Para endpoints de agente criados antes de 16 de setembro de 2025 , você pode conceder permissões de "Pode consultar" ao endpoint na página "Endpoint de serviço" .

importante

Somente o criador do assistente de conhecimento pode sincronizar as fontes de conhecimento.

Consultar o agente endpoint

Na página do agente, clique Consulte o status do agente no canto superior direito para obter o endpoint do agente implantado e visualizar os detalhes do endpoint.

Existem várias maneiras de consultar o endpoint do assistente de conhecimento criado. Utilize os exemplos de código fornecidos no AI Playground como ponto de partida:

1. Na tab Construir , clique em Abrir no playground .
2. No Playground, clique em Obter código .
3. Escolha como o senhor deseja usar o endpoint:
   • Selecione Curl API para obter um exemplo de código para consultar o endpoint usando curl.
   • Selecione Python API para obter um exemplo de código para interagir com o endpoint usando Python.

Avalie seu assistente de conhecimento

Este Notebook demonstra como avaliar um Databricks Knowledge Assistant usando um conjunto de dados de avaliação selecionado e pontuadores personalizados.

Notebook

Open notebook in new tab

Limitações

• Arquivos maiores que 50 MB são automaticamente ignorados durante a ingestão e não são incluídos na base de conhecimento.

• Arquivos com nomes que começam com um sublinhado (_) ou ponto (.) são automaticamente ignorados durante a ingestão e não são incluídos na base de conhecimento.

• Os espaços de trabalho que possuem Segurança Avançada e conformidade ativadas não são suportados.

• Não há suporte para as tabelas do Unity Catalog.

• Somente índices de pesquisa vetorial que usam databricks-gte-large-en como modelo de incorporação são suportados.

• Os guardrails e limites de taxa AI devem ser desabilitados no endpoint do modelo databricks-gte-large-en . Consulte Configurar AI Gateway no endpoint do modelo de operação.

• Para que o rastreamento funcione, você deve habilitar o monitoramento de produção para o MLflow (Beta). Veja as prévias do gerenciar Databricks.