在人工智能（AI）技术日新月异的今天，企业对于AI代理的期待与日俱增。然而，一个不容忽视的现实是，许多精心开发的企业AI代理从未真正进入生产环境，发挥其应有的价值。这并非技术不成熟所致，而是企业在AI代理的评估与优化过程中遇到了重重阻碍。近日，Databricks公司在数据+AI峰会上推出了Mosaic Agent Bricks平台，旨在解决这一难题，为企业AI代理的顺利落地提供新方案。
AI代理的困境：从研发到生产的鸿沟
企业AI代理的开发过程往往充满挑战。尽管研究者们能够构建出功能强大的AI模型，但在将这些模型转化为实际可用的AI代理时，却常常遭遇瓶颈。问题的关键在于，传统的评估方法过于依赖人工，不仅效率低下，而且难以保证结果的一致性。此外，随着AI技术的不断发展，模型复杂度日益提升，手动优化变得愈发困难。
Databricks公司首席神经网络技术官韩林·唐（Hanlin Tang）指出，许多企业在开发AI代理时“如盲人摸象”，缺乏有效的评估手段，只能依靠主观感受来判断代理的表现，这无疑增加了将AI代理投入生产的风险。
Mosaic Agent Bricks：自动化优化，破解难题
为了破解这一难题，Databricks推出了Mosaic Agent Bricks平台。该平台建立在Mosaic AI代理框架的基础上，通过一系列创新技术实现了AI代理的自动化优化。其中，测试时自适应优化（TAO）技术尤为引人注目。它能够在无需标注数据的情况下，对AI模型进行精细调整，从而显著提升代理的性能。
此外，Mosaic Agent Bricks还能够生成针对特定领域的合成数据，创建任务感知的基准测试，并在无需人工干预的情况下优化成本效益比。这一系列自动化流程极大地缩短了AI代理从开发到投入生产的时间，降低了企业的试错成本。
四大配置，满足多样化需求
Mosaic Agent Bricks平台提供了四种不同的AI代理配置，以满足企业多样化的需求。信息提取代理能够将文档（如PDF、电子邮件）转换为结构化数据，助力企业高效处理海量信息。知识助理代理则能够从企业数据中提取准确、有引用的答案，为技术人员提供即时支持。自定义大型语言模型（LLM）代理擅长处理文本转换任务，如摘要生成、分类等。而多代理监督器则能够协调多个代理，实现复杂工作流程的自动化。
数据准备与治理，奠定坚实基础
值得注意的是，AI代理的成功部署离不开高质量的数据支持。为此，Databricks还推出了Lakeflow数据工程平台，解决了数据准备过程中的诸多挑战。该平台能够统一数据摄入、转换和编排流程，确保企业数据在AI代理中的应用更加高效、准确。
同时，Mosaic Agent Bricks与Databricks的统一目录（Unity Catalog）治理功能紧密集成，提供了访问控制、数据血缘追踪等关键功能。这不仅确保了AI代理的行为符合企业数据治理要求，还进一步提升了数据的安全性和可追溯性。
从“人工调优”到“自动学习”
在AI代理的开发过程中，“人工调优”一直是一个耗时费力的环节。为了避免“提示填充”（prompt stuffing）等常见问题，Mosaic Agent Bricks引入了“从人类反馈中学习”（Agent Learning from Human Feedback）的新概念。该功能能够自动调整系统组件，以响应自然语言指导，从而显著提升了AI代理的可操控性和适应性。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/wei-he-duo-shu-qi-ye-ai-dai-li-wu-fa-tou-ru-sheng-chan-yi
