Console opérationnelle de locations de vacances
Tableau de bord opérationnel de locations de vacances, avec analyses des revenus à partir d’un SQL warehouse, une file de réservations avec indicateurs et notes d’agent stockés dans Lakebase, ainsi qu’un panneau de chat Genie intégré.

Créer avec l’IA
- Copiez le prompt ci-dessous
- Collez-le dans Cursor, Claude Code, Codex ou tout autre agent de codage
- Votre agent la crée en posant des questions au fil du processus afin que le résultat corresponde exactement à vos attentes
Vous découvrez les modèles ? En savoir plus ici
Inclut une application de démarrage fonctionnelle
Du code réel et exécutable est disponible sur GitHub. Lorsque vous copiez le prompt ci-dessus, votre agent de codage le clone comme point de départ et l’adapte à vos données et à votre cas d’utilisation.
Ce modèle illustre une console d'exploitation interne pour une plateforme de locations de vacances (« Wanderbricks »). Les opérateurs suivent les performances de revenus par destination, traitent une file d'attente de réservations avec des indicateurs propres à chaque réservation et des notes d'agent, et posent des questions en langage naturel sur l'activité via un panneau de conversation Genie intégré.
Flux de données
L'application combine quatre primitives Databricks derrière une interface React unique :
- SQL Warehouse exécute les requêtes analytiques (revenus par destination, détail d'une réservation) sur les tables préchargées
samples.wanderbricks.{bookings,properties,destinations,reviews}. Les requêtes se trouvent dansconfig/queries/*.sqlet sont exécutées via le plugin AppKitanalytics. - Lakebase Postgres stocke l'état géré par l'opérateur dans les tables
app.booking_flagsetapp.booking_notes. Le serveur Express crée le schéma et les tables au démarrage et expose des routes CRUD pour signaler des réservations et ajouter des notes d'agent. - Genie Agent (« Wanderbricks ») est configuré sur les tables de réservations, de propriétés et de destinations. Le plugin AppKit
genieintègre un panneau de discussion permettant aux utilisateurs de poser, en langage naturel, des questions sur les dépenses, le taux d'occupation et les évaluations. - Databricks App assure la cohésion de l'ensemble : un serveur Express + AppKit et un client Vite/React/Tailwind, déployés via un Declarative Automation Bundle (anciennement Databricks Asset Bundle) qui déclare le SQL warehouse, le Genie Agent et la base de données Lakebase comme ressources de l'application.
Ce qu'il faut adapter
La configuration, les variables d'environnement et le déploiement du bundle sont documentés dans le fichier README.md du dépôt.
Pour adapter ce modèle à vos besoins :
- Données sources : faites pointer les fichiers SQL d'analyse vers votre propre catalogue et schéma plutôt que vers
samples.wanderbricks.*. Ajustez les jointures pour qu'elles correspondent à votre modèle de réservations, de biens et de destinations. - SQL Warehouse : définissez
sql_warehouse_iddansdatabricks.ymlavec le warehouse que l'application doit interroger. - Lakebase : remplacez
postgres_branchetpostgres_databasepar vos propres projet, branch et base de données Lakebase. Les tablesapp.booking_flagsetapp.booking_notessont créées automatiquement à la première exécution. - Genie Agent : créez un Genie Agent sur vos tables de réservations, puis définissez
genie_space_idetgenie_space_namedansdatabricks.yml. - Vocabulaire métier : l'interface s'articule autour des locations de vacances (destinations, réservations, notes des agents). Pour d'autres consoles opérationnelles (logistique, support, partenariats), renommez les routes et les composants et redirigez les requêtes analytiques — l'ossature Lakebase + Genie + analyse reste identique.
Basé sur ces modèles
Le code de cet exemple et le prompt de l’agent ci-dessus s’appuient tous deux sur les modèles ci-dessous. Ouvrez-en un pour découvrir une technique précise ou l’appliquer à un autre projet.
[MODÈLES]
Application avec Lakebase
Connectez une Databricks App à Lakebase pour assurer un stockage persistant des données. Inclut la configuration du schéma et des routes d’API CRUD complètes.
[MODÈLES]
Analytique conversationnelle Genie
Intégrez une interface de chat Databricks AI/BI Genie afin que les utilisateurs puissent explorer les données en langage naturel. Configurez un Genie Agent, connectez les plugins serveur et client, déclarez les ressources de l’application et déployez.

