Console de support agentique

Ce modèle réunit toute la pile de développement Databricks dans une seule application de données opérationnelle : une console de support propulsée par l'IA, où chaque message client est automatiquement trié par un LLM et où les agents du support examinent, approuvent ou corrigent la suggestion depuis un outil interne conçu sur mesure.

Flux de données

Les interactions client circulent depuis la base de données OLTP de votre application (Lakebase Postgres) vers le lakehouse via le CDC, sont enrichies par un agent IA, puis restituées à la console de support par synchronisation inverse :

1. Les écritures OLTP arrivent dans Lakebase Postgres (utilisateurs, commandes, tickets de support, messages).
2. Le Change Data Feed (CDF) de Lakebase réplique chaque modification dans Unity Catalog sous forme de tables d'historique CDC (couche bronze).
3. Un Lakeflow Spark Declarative Pipeline transforme l'historique CDC en tables silver reflétant l'état courant et en vues matérialisées gold analytiques (revenu quotidien, vue d'ensemble du support, profils utilisateurs, contexte des tickets).
4. Un Lakeflow Job s'exécute chaque minute : il repère les messages sans réponse, constitue un contexte riche à partir des tables gold, appelle un LLM via un serving endpoint et fusionne les réponses suggérées dans une table Delta.
5. Les tables synchronisées (synchronisation inverse) répliquent les tables gold vers Lakebase pour des lectures à faible latence.
6. La console de support (Databricks App) lit à la fois les tables OLTP et les tables gold synchronisées pour présenter les tickets, les suggestions de l'IA et les analyses.

Éléments à adapter

Le provisionnement (étapes manuelles et SQL), le chargement initial des données, le déploiement des pipelines, la synchronisation inverse et le déploiement de l'application sont documentés dans le fichier README.md du dépôt, aux côtés du code.

Pour adapter ce modèle à vos besoins :

• Catalogue : définissez la variable catalog du fichier databricks.yml de chaque pipeline avec le nom de votre catalogue Unity Catalog.
• Lakebase : faites pointer le fichier databricks.yml de l'application vers vos propres projet, branche et base de données Lakebase.
• Tables : le script de chargement initial crée le schéma OLTP. Une fois les données chargées, configurez Change Data Feed pour répliquer les tables de votre schéma public.
• Tables de synchronisation : créez manuellement les quatre configurations de synchronisation inverse (consultez le README pour connaître les correspondances exactes entre les tables).
• Serving endpoint : définissez la variable endpoint avec le serving endpoint de votre choix.
• Genie Agent : créez un Genie Agent sur vos tables gold et renseignez la valeur de genie_space_id dans le bundle de l'application.