O Databricks MVP Gary Nakanelua testou o novo Agent Bricks CLI, em Beta, e levou cerca de 188 segundos de uma pasta vazia até um agente no ar com memória, sessão e rastreamento já conectados, encontrando dois pontos de atrito no caminho: um erro no primeiro deploy por causa dos stores de memória e sessão, e um projeto Lakebase que o comando de exclusão deixa para trás.
A TinyFish pós-treina um modelo próprio especializado em tarefa de agente web usando Databricks AI Runtime (SFT indo pra DPO), avalia sucesso via MLflow com juiz de IA olhando o histórico de ação completo do agente, e serve em produção via Model Serving: 294 mil execuções e 6,4 milhões de passos de ferramenta em 15 dias.
Agentes de código rodando em paralelo contra um único banco de desenvolvimento compartilhado criam conflito de schema, interferência de dado e risco de exposição de dado sensível. Branching instantâneo do Lakebase, aplicado por worktree ou por pull request, dá a cada agente seu próprio banco isolado.
Um cliente levava mais de 8 horas carregando cerca de 1 bilhão de linhas por dia via Synced Tables, saturando CPU e memória do Postgres. O LTAP Direct Writes contorna o escritor único do banco construindo os dados em paralelo fora da instância primária, e a Databricks reporta carga de 1 TB em menos de 5 minutos.
Antes de qualquer modelo de segmentação ou classificação entrar em cena, times de imagem médica esbarram num problema mais chato: biblioteca de parsing DICOM é de thread única, e des-identificar PHI em cabeçalho e pixel em escala exige um pipeline próprio, não só mais GPU.
Funke é um acelerador open source que faz parsing nativo de mensagens HL7v2 em tipos Spark dentro do lakehouse, evitando tanto a perda de informação de converter pra FHIR primeiro quanto o custo de um motor de terceiro pra achatar a mensagem.
O Databricks MVP Derar Alhussein destacou o suporte a múltiplos gatilhos (Beta) no Lakeflow Jobs: um job pode combinar até cinco triggers de tipos iguais ou diferentes, cada um pausável de forma independente, e qualquer um que disparar inicia a execução.
Depois que uma Declarative Automation Bundle funciona no notebook de alguém, o problema seguinte é sempre o mesmo: como fazer o deploy acontecer sem um token pessoal sentado num GitHub Secret pra sempre. Mapeei os quatro caminhos recomendados pelo Azure Databricks e o que realmente muda entre eles.
A Databricks publicou um guia estruturado em cinco pilares pra controlar gasto de SQL warehouse: tag de warehouse e de consulta alimentando system table, orçamento por workspace ou tag no Account Console, alerta de SQL rodando sobre essa mesma system table, e otimização via auto-stop e predictive optimization.
Autorização on-behalf-of-user em Databricks Apps (GA) encaminha o token de acesso de quem está logado pra dentro da aplicação, fazendo linha e coluna respeitarem a permissão individual do usuário no Unity Catalog, em vez de depender do service principal único e compartilhado do app.