O Databricks MVP Geir E. Alstad identificou uma pegadinha real ao implantar metric views via Declarative Automation Bundles em múltiplos ambientes: o asset_name do dashboard precisa ficar não qualificado no arquivo versionado, ou a implantação em outro ambiente falha.
O Databricks MVP Bartosz Konieczny detalhou o suporte a script Python como tipo de tarefa no Lakeflow Jobs, uma opção mais leve que wheel ou notebook pra tarefa simples como sensor ou geração de parâmetro dinâmico.
O Databricks MVP Josue Bogran mostrou o Kasal, projeto do Databricks Labs que dá uma interface visual pra desenhar, testar e publicar um grupo de agentes cooperando, sem escrever o código de orquestração na mão.
A Databricks lançou o Consort, um framework agêntico de código aberto que usa branching de banco do Lakebase Postgres pra levar teste de integração de verdade pro loop interno de desenvolvimento, com agentes assumindo papéis como arquiteto, DBA e desenvolvedor.
O Databricks MVP Laurenz Wuttke detalhou o agentic code converter (Beta): o Genie Code converte script de T-SQL, Snowflake, Redshift, Oracle, BigQuery e Teradata pra ANSI SQL, com subagente validando e corrigindo cada arquivo em paralelo.
A Databricks publicou o Adaptive Instructed-Retriever, um modelo de recuperação treinado com aprendizado por reforço que decide quando vale a pena buscar de novo, entregando qualidade de ponta com até metade da latência.
External secrets (Beta) conecta um schema do Unity Catalog direto ao Azure Key Vault: o segredo aparece como objeto governável e somente leitura, e o valor é lido sob demanda, sem duplicar cópia dentro do Databricks.
Administradores da conta agora conseguem configurar, em beta, um período de retenção entre 30 e 3.650 dias pras system tables suportadas, em vez de depender do período fixo padrão da plataforma.
A Databricks detalhou um padrão para aplicar segurança em nível de linha em AI/BI Dashboards incorporados, usando um token assinado por visualizador, uma tabela de direitos de acesso central e as proteções nativas do Unity Catalog.
A opção generate_citations na função ai_search (Beta) do Azure Databricks expõe quais chunks recuperados o modelo efetivamente usou para sustentar cada resposta gerada, dando visibilidade que antes ficava escondida dentro da recuperação.