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

info

Beta

Esse recurso está na versão beta.

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 Unity Catalog . Os tipos de arquivo suportados são txt, pdf, md, ppt/pptx e 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

Em Configure (Configurar ) tab, configure seu agente e forneça fontes de conhecimento que ele usará para 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 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 "Aprimorar a Qualidade" , 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

Há várias maneiras de consultar o assistente de conhecimento criado endpoint. Use os exemplos de código fornecidos no AI Playground como ponto de partida.

1. No site Configure tab, clique em Open in playground (Abrir no playground ).
2. No Playground, clique em Obter código .
3. Escolha como o senhor deseja usar o endpoint:
   • Selecione Aplicar nos dados para criar uma consulta SQL que aplique o agente a uma coluna específica da tabela.
   • 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

• .doc Arquivos não são suportados.

• Arquivos maiores que 50 MB 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.