Building Agentic Applications on Databricks - Mandarin Chinese

本课程教授学生如何使用 MLflow 的评估框架系统地评估 AI 智能体，以应对传统软件测试无法处理的非确定性 AI 系统所带来的独特挑战。学生将学习实施多种评估方法，包括针对正确性和安全性等常见标准的内置评判器、针对业务特定需求的准则评判器，以及针对专项需求的自定义评判器。课程涵盖使用精选数据集进行离线评估，以及在线生产监控，并通过使用 MLflow 追踪功能的实践操作，帮助学生了解智能体执行模式并收集来自不同利益相关方的人工反馈。通过实践演示和实验，学生将掌握创建评估 Workflows 的技能，从而在 AI 智能体开发生命周期中持续推动质量提升。

在本课程中，您将学习如何在 Databricks Data Intelligence Platform 上设计、实施和管理目录结构及大规模数据组织。本课程全面介绍 Unity Catalog 作为企业级湖仓集中治理层的相关内容。课程分为五个模块：首先将 Unity Catalog 置于云平台部署模型中，涵盖账户控制台、元存储创建以及管理员角色层级；随后，您将学习如何利用命名规范、所有权模式和 MANAGE 委派，将组织拓扑结构（业务单元、地区及开发/QA/生产环境）转化为可扩展的目录和架构设计。课程接着介绍安全存储集成，包括存储凭证、外部位置、托管存储层级、托管表与外部表的区别，以及用于非表格数据的 UC Volumes。之后，您将应用访问模式和隔离策略——三级 GRANT 链、workspace 与目录绑定，以及架构级基于属性的访问控制（ABAC）策略——以实现大规模细粒度数据保护。最后，课程以目录设计最佳实践、自动化、最小权限原则和基于组的访问管理作为总结。

注意：Databricks Academy 正在将 Databricks 环境中的课堂课程转为基于 notebook 的形式，并停止在讲座中使用幻灯片。您可以在 Vocareum 实验环境中访问课程 notebook。

本课程提供在 Databricks 上构建检索代理的实践训练。学员将学习如何为非结构化数据创建 Genie Agents、使用 Lakebase Search 进行信息检索、利用 AI Functions 解析非结构化文档并将其转换为结构化数据、对 TEXT 进行分块以实现语义检索，以及构建支持多种搜索模式的 AI Search 索引。