• Przejdź do treści
  • Przejdź to drugiego menu
  • Przejdź do głównego paska bocznego
  • Przejdź do stopki
  • START
  • BLOG
  • NEWSLETTER
  • KIM JESTEM
  • KONTAKT
Cegładanych

Cegładanych

Dane - Databricks i Chmura Azura

  • Azure
  • Databricks
  • Spark
  • Etl
  • Engineering
  • AI

Jak efektywnie korzystać z Databricks Assistant – 5 sprawdzonych praktyk

16.11.2025 Krzysztof 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.

W kategorii:AI, Databricks

Big Data ebook
Subskrybuj
Powiadom o
guest

guest

0 Komentarze
Najstarsze
Najnowsze Najwięcej głosów
Opinie w linii
Zobacz wszystkie komentarze

Pierwszy panel boczny

O MNIE

Narzędzia i dobre procesy do przetwarzania danych to podstawa sukcesu i wartości dla firmy. Czytaj więcej…

big data ebook

Ostatnie wpisy

Databricks DQX

Jakość danych w Databricks DQX

28.01.2025 By Krzysztof Nojman

spark joins

Jak Spark robi join?

13.01.2025 By Krzysztof Nojman

Czy JSON to samo zło

04.01.2025 By Krzysztof Nojman

Linki społecznościowe

  • Facebook
  • GitHub
  • LinkedIn
  • YouTube

Wyszukiwanie

Footer

Najnowsze wpisy

  • Jak efektywnie korzystać z Databricks Assistant – 5 sprawdzonych praktyk
  • Jakość danych w Databricks DQX
  • Jak Spark robi join?
  • Czy JSON to samo zło
  • VS Code nowości AI 
  • Lista narzędzi AI dla każdego inżyniera, które warto znać
  • Kilka pomysłów na konfigurację Databricks

Tagi

AI Apache Spark Architektura Azure BIg Data Certyfikat cloud Databricks Data Factory Dataframe DQX ETL Hurtownia Danych Intellij IoT Jaka technologia Join Kod Konfiguracja lakehouse Narzędzia Optymalizacja pyspark Spark Windows 10 zadania

Informacje Prawne

To jest nudna część lecz wymagana, wszystkie notki prawne o stronie znajdziecie tutaj.

Polityka Prywatności

Regulamin

Copyright © 2025 · Wszelkie prawa zastrzeżone. Krzysztof Nojman

wpDiscuz