Modelos para começar seu próximo app da Databricks.
Prompts para copiar e colar que criam seu app.
- Escolha um modelo que corresponda ao que você quer criar.
- Clique em
Copiar prompte cole-o no seu agente. - Responda às perguntas e deixe-o criar o app.
Modelos
Aplicação com Lakebase. [Configure um Databricks App com o Lakebase para armazenamento persistente de dados. Inclui configuração de esquema e rotas completas de API para CRUD.]
Aplicação de Análises do Genie. [Crie um Databricks App mínimo com análises conversacionais do AI/BI Genie. Abrange a configuração do Genie Agent, a conexão de plugins e a implantação.]
Lakebase Fora da Plataforma. [Use o Lakebase em apps hospedados fora da plataforma Databricks Apps (por exemplo, na AWS, Vercel ou Netlify) com padrões portáteis para variáveis de ambiente, tokens e Drizzle.]
Análise de dados operacionais. [Configuração completa para analisar dados de bancos de dados operacionais no Lakehouse: Unity Catalog com armazenamento externo, provisionamento do Lakebase, replicação com o Lakebase Change Data Feed (CDF) e um pipeline de arquitetura medalhão com camadas silver e gold.]
Configure seu Ambiente de Desenvolvimento Local. [Instale o Databricks CLI, autentique um perfil e verifique a conexão. Este é o pré-requisito obrigatório para todas as outras receitas e modelos do DevHub.]
Crie um Databricks App. [Crie a estrutura de um novo Databricks App com AppKit usando `databricks apps init`, execute-o localmente e implante-o no seu workspace.]
Prepare seu Agente de Programação. [Instale as habilidades de agente do Databricks (no escopo do projeto), configure o Docs MCP Server do DevHub e inicialize um AGENTS.md para que seu assistente de programação conheça os padrões de workspace deste repositório.]
Crie um Projeto do Lakebase. [Provisione um projeto gerenciado do Lakebase Postgres no Databricks e obtenha os valores de conexão necessários para os modelos subsequentes.]
Persistência de Dados do Lakebase. [Adicione um banco de dados Postgres gerenciado ao seu Databricks App usando o plugin do Lakebase. Abrange a configuração de esquema, a criação de tabelas e rotas completas de API REST para CRUD.]
pgvector do Lakebase. [Habilite a pesquisa por similaridade vetorial no Lakebase usando a extensão pgvector. Abrange a configuração da extensão, o design de tabelas vetoriais, auxiliares de inserção e recuperação por similaridade de cosseno, além de opções de índice IVFFlat/HNSW.]
Consulte Endpoints de Modelos Fundamentais. [Consulte endpoints de modelos fundamentais do Databricks para acessar modelos hospedados e prontos para produção, com governança integrada do AI Gateway.]
Gere Embeddings com Modelos Fundamentais. [Gere embeddings de texto a partir de um endpoint de modelo fundamental do Databricks usando o SDK do Databricks.]
Crie um endpoint do Databricks Model Serving. [Crie e valide um endpoint do Databricks Model Serving para inferência de chat de IA em Databricks Apps.]
Chat de IA com Streaming usando Model Serving. [Crie uma experiência de chat de IA com streaming usando o AI SDK e endpoints do Databricks Model Serving.]
Memória de Agente do Lakebase. [Persista as sessões e mensagens de chat do seu agente de IA no Lakebase para que os usuários possam retomar conversas e seu agente possa raciocinar sobre interações anteriores entre implantações.]
Lakebase Change Data Feed: sincronize o Lakebase com o Unity Catalog (Autoscaling). [Replique tabelas do Lakebase Autoscaling Postgres no Unity Catalog como tabelas Delta gerenciadas usando o Lakebase Change Data Feed (CDF), com histórico completo SCD Tipo 2.]
Sincronize Tabelas: Unity Catalog para Lakebase (Autoscaling). [Sincronize tabelas do Unity Catalog com o Lakebase Autoscaling Postgres como tabelas sincronizadas para consultas de aplicações de baixa latência, nos modos de snapshot, acionado ou contínuo.]
Configure o Unity Catalog com Armazenamento Externo. [Crie um catálogo do Unity Catalog baseado em um bucket S3 externo, com credenciais de armazenamento, localização externa e um esquema pronto para tabelas do Lakehouse.]
Análise Conversacional do Genie. [Incorpore uma interface de chat do Databricks AI/BI Genie para que os usuários possam explorar dados em linguagem natural. Configure um Genie Agent, conecte plugins de servidor e cliente, declare recursos da aplicação e implante.]
Seletor Multiagente do Genie. [Adicione um seletor para que os usuários possam alternar entre vários AI/BI Genie Agents em uma única página. Abrange a configuração de servidor com vários aliases, recursos de bundle por agente e a limpeza automática de conversas ao trocar de agente e reimplantar.]
Arquitetura de Medalhão a partir de Tabelas de Histórico de CDC. [Transforme tabelas de histórico do Lakebase Change Data Feed em uma arquitetura de medalhão com camadas silver (estado atual) e gold (agregações) usando Lakeflow Spark Declarative Pipelines.]
Gerenciamento de Ambiente do Lakebase para Aplicações Fora da Plataforma. [Defina e valide variáveis de ambiente multiplataforma para aplicações baseadas no Lakebase implantadas fora da plataforma de aplicativos Databricks.]
Gerenciamento de Tokens do Lakebase. [Implemente fluxos de tokens de credenciais em cache do workspace e do Lakebase para acesso seguro ao Postgres em implantações fora da plataforma.]
Drizzle + Lakebase em uma Aplicação Fora da Plataforma. [Conecte o Drizzle ORM ao Lakebase com callbacks de senha do pg e credenciais temporárias DATABASE_URL durante a migração.]
Gerenciador de Arquivos de Volumes. [Adicione upload, navegação, download, exclusão, validação de tipo de arquivo e pré-visualização de linhas CSV ao seu Databricks App usando Unity Catalog Volumes.]
Console de operações de aluguéis por temporada. [Painel de operações de aluguéis por temporada com análises de receita de um SQL warehouse, fila de reservas com sinalizadores e notas de agentes armazenados no Lakebase e painel de chat do Genie integrado.]
Rastreador de assinaturas SaaS. [Ferramenta interna para acompanhar assinaturas SaaS da equipe, responsáveis, custos e renovações, com persistência no Lakebase e análises de gastos no Genie.]
Moderador de conteúdo. [Ferramenta interna de moderação de conteúdo com diretrizes por canal, pontuação de conformidade com IA via Model Serving e fluxo de revisão por moderadores baseado no Lakebase e em análises do Genie.]
Inteligência de inventário. [Gerenciamento de inventário de varejo com previsão de demanda baseada em IA, recomendações de reposição e análises opcionais do Genie. Criado com base em um pipeline medalhão em tempo real sincronizado com o Lakebase.]
App de chat RAG. [App de chat de geração aumentada por recuperação com streaming, recuperação via pgvector no Lakebase, corpus inicial da Wikipedia, geração com Model Serving e histórico de chat armazenado no Lakebase. Disponível via `databricks apps init`.]
Databricks Developer Hub