Plantillas para impulsar tu próxima aplicación de Databricks.
Prompts para copiar y pegar con los que crear tu aplicación.
- Elige una plantilla que se ajuste a lo que quieres crear.
- Haz clic en
Copiar prompty pégalo en tu agente. - Responde a sus preguntas y deja que la cree.
Plantillas
Aplicación con Lakebase. [Conecta una Databricks App con Lakebase para almacenar datos de forma persistente. Incluye configuración de esquemas y rutas completas de API para CRUD.]
Aplicación de analítica de Genie. [Crea una Databricks App mínima con analítica conversacional de AI/BI Genie. Incluye configuración de Genie Agent, conexión de plugins e implementación.]
Lakebase fuera de la plataforma. [Use Lakebase desde aplicaciones alojadas fuera de Databricks App Platform (por ejemplo, en AWS, Vercel o Netlify) con patrones portátiles para variables de entorno, tokens y Drizzle.]
Analítica de datos operativos. [Configuración integral para analizar datos de bases de datos operativas en el Lakehouse: Unity Catalog con almacenamiento externo, aprovisionamiento de Lakebase, replicación de Lakebase Change Data Feed (CDF) y un pipeline de arquitectura medallion con capas silver y gold.]
Configura tu entorno de desarrollo local. [Instala Databricks CLI, autentica un perfil y verifica la conexión. Es un requisito indispensable para todas las demás recetas y template de DevHub.]
Crea una Databricks App. [Genera la estructura de una nueva Databricks App con AppKit mediante `databricks apps init`, ejecútala localmente e impleméntala en tu workspace.]
Prepara tu agente de programación. [Instala las habilidades de agente de Databricks (con ámbito de proyecto), configura el Docs MCP Server de DevHub y crea un AGENTS.md inicial para que tu asistente de programación conozca los valores predeterminados del workspace de este repositorio.]
Create a Lakebase Project. [Aprovisiona un proyecto administrado de Lakebase Postgres en Databricks y recopila los valores de conexión necesarios para las plantillas posteriores.]
Persistencia de datos de Lakebase. [Agrega una base de datos Postgres administrada a tu Databricks App mediante el plugin de Lakebase. Incluye configuración de esquemas, creación de tablas y rutas completas de API REST para CRUD.]
pgvector de Lakebase. [Habilita la búsqueda de similitud vectorial en Lakebase mediante la extensión pgvector. Incluye configuración de la extensión, diseño de tablas vectoriales, funciones auxiliares de inserción y recuperación por similitud de coseno, y opciones de índices IVFFlat/HNSW.]
Consulta endpoints de modelos fundacionales. [Consulta endpoints de modelos fundacionales de Databricks para acceder en producción a modelos alojados con gobernanza integrada de AI Gateway.]
Genera embeddings con modelos fundacionales. [Genera embeddings de texto desde un endpoint de modelo fundacional de Databricks mediante Databricks SDK.]
Crea un endpoint de Databricks Model Serving. [Crea y valida un endpoint de Databricks Model Serving para inferencia de chat de IA en Databricks Apps.]
Chat de IA en streaming con Model Serving. [Crea una experiencia de chat de IA en streaming con AI SDK y endpoints de Databricks Model Serving.]
Memoria de agentes de Lakebase. [Guarda las sesiones y los mensajes de chat de tu agente de IA en Lakebase para que los usuarios puedan reanudar conversaciones y tu agente pueda razonar sobre turnos anteriores entre implementaciones.]
Lakebase Change Data Feed: sincroniza Lakebase con Unity Catalog (Autoscaling). [Replica tablas de Lakebase Autoscaling Postgres en Unity Catalog como tablas Delta administradas mediante Lakebase Change Data Feed (CDF), con historial completo de SCD tipo 2.]
Sincroniza tablas: de Unity Catalog a Lakebase (Autoscaling). [Sincroniza tablas de Unity Catalog con Lakebase Autoscaling Postgres como tablas sincronizadas para consultas de aplicaciones de baja latencia, con modos de instantánea, bajo demanda o continuo.]
Configura Unity Catalog con almacenamiento externo. [Crea un catálogo de Unity Catalog respaldado por un bucket de S3 externo con credenciales de almacenamiento, una ubicación externa y un esquema preparado para tablas de Lakehouse.]
Analítica conversacional de Genie. [Incorpora una interfaz de chat de Databricks AI/BI Genie para que los usuarios exploren datos mediante lenguaje natural. Configura un Genie Agent, conecta plugins de servidor y cliente, declara recursos de la aplicación e impleméntala.]
Selector multiagente de Genie. [Agrega un selector para que los usuarios puedan cambiar entre varios Genie Agents de AI/BI desde una sola página. Incluye configuración de servidor con varios alias, recursos de bundle por agente y limpieza automática de conversaciones al cambiar de agente y volver a implementar.]
Arquitectura medallion a partir de tablas de historial de CDC. [Transforma tablas de historial de Lakebase Change Data Feed en una arquitectura medallion con capas silver (estado actual) y gold (agregaciones) mediante Lakeflow Spark Declarative Pipelines.]
Gestión de entornos de Lakebase para aplicaciones fuera de la plataforma. [Define y valida variables de entorno multiplataforma para aplicaciones respaldadas por Lakebase implementadas fuera de Databricks App Platform.]
Gestión de tokens de Lakebase. [Implementa flujos de tokens de credenciales almacenados en caché para el workspace y Lakebase, a fin de obtener acceso seguro a Postgres en implementaciones fuera de la plataforma.]
Drizzle + Lakebase en una aplicación fuera de la plataforma. [Conecta Drizzle ORM a Lakebase con callbacks de contraseña de pg y credenciales temporales de DATABASE_URL durante la migración.]
Administrador de archivos de volúmenes. [Agrega carga, exploración, descarga y eliminación de archivos, validación de tipos de archivo y vista previa de filas CSV a tu Databricks App mediante Unity Catalog Volumes.]
Consola de operaciones de alquileres vacacionales. [Panel de operaciones de alquileres vacacionales con analítica de ingresos de un SQL warehouse, una cola de reservas con indicadores y notas de agentes respaldados por Lakebase, y un panel de chat de Genie integrado.]
Seguimiento de suscripciones SaaS. [Herramienta interna para hacer seguimiento de las suscripciones SaaS del equipo, sus responsables, costos y renovaciones, con persistencia en Lakebase y analítica de gastos de Genie.]
Moderador de contenido. [Herramienta interna de moderación de contenido con directrices por canal, evaluación de cumplimiento basada en IA mediante Model Serving y un flujo de revisión para moderadores respaldado por Lakebase y analítica de Genie.]
Inteligencia de inventario. [Gestión de inventario minorista con previsión de demanda basada en IA, recomendaciones de reabastecimiento y analítica opcional de Genie. Creada sobre un pipeline medallion en tiempo real sincronizado con Lakebase.]
Aplicación de chat RAG. [Aplicación de chat de generación aumentada por recuperación con streaming, recuperación mediante pgvector desde Lakebase, corpus inicial de Wikipedia, generación con Model Serving e historial de chat respaldado por Lakebase. Se usa mediante `databricks apps init`.]
Databricks Developer Hub