A Databricks bemutatja a munkahelyi dokumentumok útját az AI-ügynökökhöz

A Databricks október 26-i áttekintése azt mutatja be, hogyan kerülhet a szétszórt munkahelyi tudás szabályozott táblákba a Lakeflow Connect kezelt csatlakozóival. Belső AI-ügynököket építő csapatok számára ez közös kiindulópontot ad a dokumentumok előkészítéséhez. A vállalat külön kezeli a beérkező szöveget és a nyers fájlokat: a SharePoint-dokumentumokból és a Google Drive fájljaiból előbb szöveget kell kinyerni, hogy tartalmuk visszakereséshez indexelhető legyen. A fájlok betöltése tehát az ügynök tudásának előkészítésében egy szakasz.

Az AWS-re vonatkozó SharePoint-csatlakozó dokumentációja konkrétan leírja a hozzáférés sorrendjét. Többfelhasználós munkamenetben egy rendszergazda beállítja a hitelesítést és létrehozza a kapcsolatot; egy nem rendszergazda felhasználó ezután erre épít adatbetöltési folyamatot. A támogatott hitelesítés OAuth-alapú, nem egyszerű felhasználónév/jelszó vagy API-kulcs használata. A csatlakozó a strukturálatlan fájlokat bináris tartalomként töltheti be, a strukturált formátumokat Delta-táblákká alakíthatja, vagy csak metaadatokat rögzíthet a fájltartalom betöltése nélkül. A folyamat ütemezése a késleltetési és költségigényektől függ.

A további feldolgozás útmutatója már létrehozott SharePoint-folyamatból indul ki. Az ai_parse_document függvény szöveget, táblázatokat, elrendezési információt és metaadatokat nyer ki a bináris dokumentumokból. A példa egy materializált nézetben alkalmazza a content.inline_content mezőre, fokozatosan feldolgozva az újonnan érkező fájlokat. Így strukturált kimenet keletkezik a további dokumentumfeldolgozáshoz. Egy külön, FILE-típusú megoldás szabályozott fájlhivatkozást ad közvetlenül a függvénynek, a bájtok materializálása nélkül; ez kifejezetten béta állapotú. Alternatív bemeneti ábrázolásról van szó, nem a bináris betöltés kötelező lecseréléséről.