Jak efektywnie korzystać z Databricks Assistant – 5 sprawdzonych praktyk

Z grubsza ogarniesz to w: 4 min


Autor: Krzysiek Nojman

Databricks Assistant to twój osobisty pomocnik w Databricks oczywiście jest AI, jak wszystko dzisiaj 😁. znacząco zwiększa produktywność pracy. Co potrafi

  • Wygenerować kod Python i SQL
  • Autouzupełnianie kodu i zapytań
  • Wykona faktoring twojego kodu i pomoże w optymalizacji
  • Wyjaśni kod i kwerendy SQL
  • Naprawi błędy i pomoże debugować
  • Przeszuka tabele i znajdzie dane, których potrzebujesz

Jest dostępny w trzech miejscach

  1. notebookach,
  2. edytorze SQL
  3. edytorze plików

Chociaż narzędzie jest intuicyjne, warto znać kilka sztuczek, aby wykorzystać jego pełen potencjał. Poniżej 5 praktycznych wskazówek, które pomogą Ci wycisnąć jak najwięcej z asystenta.


1. Używaj funkcji “Find Tables” dla lepszych wyników #

Databricks Assistant analizuje różne sygnały kontekstowe, aby dostarczyć trafne odpowiedzi:

  • Kod w komórkach notebooka lub zapytania SQL
  • Nazwy tabel i kolumn
  • Aktywne tabele używane w bieżącej sesji
  • Poprzednie zapytania i odpowiedzi
  • Ślady błędów przy debugowaniu

Dobra praktyka: Kiedy rozpoczynasz prace nad pisaniem kodu czy analizą danych, najpierw wskaż asystentowi, których tabel ma użyć. Musisz mu dać kontekst z jakim będzie pracował. Dzięki temu jego odpowiedzi będą dokładniejsze. Możesz to zrobić na dwa sposoby:

  • Użyj frazy “/Find tables related to…” (Znajdź tabele związane z…)
  • Dodaj tabele do kontekstu chata.

Przykład: Zamiast od razu zadawać pytanie , najpierw poproś asystenta o znalezienie odpowiednich tabel, a potem wybierz opcję “Query in natural language“. Dzięki temu asystent będzie wiedział, z jakich danych korzystać.

Możesz użyć skrótów #

“/”: wyświetla podstawowe komendy

“/doc”: Dodaje komentarz do kodu

“/explain”: Wyjaśni co robi kod

“/fix”: Zaproponuje naprawę kodu

“/findTables”: Wyszukuje tabel bazując na metadanych Unity Catalog

“/findQueries”: Wyszukuje zapytań bazując na metadanych Unity Catalog

“/optimize”: Optymalizuje zapytania SQL

“/prettify”: Formatuje kod żeby był czytelniejszy

“/rename” : Sugeruje nazwy/tytuł komórki notatnika

“/settings”: Zmieni ustawienia notatnika bezpośrednio z chatu asystenta


2. Sprecyzuj oczekiwaną formę odpowiedzi #

Bądź jak najbardziej konkretny i precyzyjny. Zadasz ogólne pytanie dostaniesz ogólną odpowiedź. Struktura i szczegółowość odpowiedzi asystenta może się różnić. Aby otrzymać dokładnie to, czego potrzebujesz, określ w zapytaniu:

  • Poziom szczegółowości wyjaśnień
  • Format kodu
  • Preferowane biblioteki lub narzędzia

Przykłady:

  • “Wyjaśnij ten kod w sposób zwięzły (Explain this code in few sentences)” – otrzymasz krótki przegląd
  • “Wyjaśnij ten kod linijka po linijce (Explain this code line by line)” – otrzymasz szczegółową analizę
  • “Stwórz wykres używając Plotly (Create visualization of this dataframe using plotly)” – asystent użyje konkretnej biblioteki zamiast domyślnej

Precyzyjne zapytania oszczędzają czas i eliminują potrzebę poprawek.


3. Podawaj przykłady wartości z danych #

Asystent analizuje schemat tabel i typy kolumn, ale nie ma dostępu do rzeczywistych danych w wierszach. To może prowadzić do błędów, gdy format danych jest nietypowy.

Przykład problemu: Pewne zapytania mogą się skończyć błędem ponieważ asystent widzi nazwę kolumny a wewnątrz może być string. Czyli może próbować zrobić avg(wzrost) bo myśli że to liczba , co spowoduje błąd zapytania.

Rozwiązanie: Podaj przykładowe wartości do opisu tabeli lub jako komentarz kolumn:

“Kolumna wysokości (wzrost) jest w formacie tekstowym, wartości oddzielone myślnikiem. Przykład: ‘6-2’.”

Po dodaniu takiego opisu asystent poprawnie przetworzy dane, dzieląc wartość na stopy i cale.


4. Testuj kod bezpośrednio w panelu asystenta #

Ważną lekcją podczas pracy z modelami LLM jest eksperymentowanie, modele będą reagować odmiennie na różne typy promptów. Więc testuj i zobacz co działa najlepiej w danym modelu.

Potraktuj go jak kolegę lub koleżankę z pracy jeśli nieprecyzyjnie opiszesz zadanie to możesz dostać mało precyzyjną odpowiedź.

Panel czatu Databricks Assistant to świetny “notatnik” do eksperymentowania z kodem.

Jak możesz to wykorzystać:

  • Edytować poprzednie zapytania bez utraty kontekstu
  • Uruchamiać kod bezpośrednio w panelu asystenta przed skopiowaniem do notebooka
  • Szybko iterować i testować różne wersje kodu
  • Porównywać oryginalny kod z nowo wygenerowanym (funkcja toggle)

Ta funkcja pozwala na szybkie dopracowanie rozwiązania, zanim zastosujesz je w rzeczywistym projekcie.

Toggle

To bardzo przydatna funkcjonalność – możesz się przełączać pomiędzy oryginalnym kodem i tym nowym wygenerowanym przez asystenta.


5. Korzystaj z akcji komórek (Cell Actions) w notebookach #

Nie musisz korzystać z panelu asystenta – jego kolega 😁 Cell Actions jest dostępny bezpośrednio w komórce notatnika, bez otwierania okna czatu.

Dostępne skróty:

  • /doc – automatyczne dodanie komentarzy do kodu
  • /explain – wyjaśnienie działania kodu
  • /rename – automatyczna zmiana tytułu komórki kodu

Możesz też używać własnych promptów, np. “sformatuj ten kod” lub “zoptymalizuj tę funkcję”. Asystent pokaże proponowane zmiany oraz różnice względem oryginalnego kodu, a Ty zdecydujesz, czy je zaakceptować.


Podsumowanie #

Databricks Assistant to potężne narzędzie, które staje się jeszcze bardziej użyteczne, gdy wiesz, jak je właściwie wykorzystać:

✅ Wskazuj kontekst przez funkcję Find Tables

✅ Precyzuj format i szczegółowość odpowiedzi

✅ Dodawaj przykłady danych do opisów tabel

✅ Testuj kod w panelu asystenta przed użyciem

✅ Wykorzystuj Cell Actions dla szybszej pracy

Zastosowanie tych praktyk sprawi, że Twoja praca z AI będzie bardziej efektywna i przyniesie lepsze rezultaty.

Powodzenia w pracy niech AI Ci służy.

Responses