Partager via

Modèle de commentaires (obsolète)

Important

Avis de dépréciation : Le modèle de feedback a été déprécié à partir du 4 décembre 2025 et n’est plus pris en charge dans la dernière version des Databricks Agents.

Action requise: utilisez MLflow 3 pour consigner votre modèle 3 à la place de cela. Utilisez ensuite l’API log_feedback et l’API d’évaluation MLflow 3 à la place pour collecter des commentaires.

Le modèle de commentaires vous permet de collecter par programmation des commentaires sur les réponses de l’agent. Lorsque vous déployez un agent à l'aide de agents.deploy(), Databricks crée automatiquement un point de terminaison du modèle de rétroaction en même temps que votre agent.

Ce point de terminaison accepte les commentaires structurés (évaluations, commentaires, appréciations) et les archive dans les tableaux d’inférence. Toutefois, cette approche a été remplacée par les fonctionnalités de commentaires plus robustes de MLflow 3.

Migrer vers MLflow 3

Au lieu d’utiliser le modèle de commentaires déconseillé, migrez vers MLflow 3 pour obtenir des fonctionnalités complètes de commentaires et d’évaluation :

  • Journalisation de l’évaluation de première classe avec validation et gestion des erreurs robustes
  • Intégration du suivi en temps réel pour une visibilité immédiate des commentaires
  • Intégration de l'application Review avec des fonctionnalités améliorées pour la collaboration entre parties prenantes
  • Prise en charge de la surveillance de la production avec l’évaluation automatisée de la qualité

Pour migrer des charges de travail existantes vers MLflow 3 :

  1. Effectuez une mise à niveau vers MLflow 3.1.3 ou version ultérieure dans votre environnement de développement :

    %pip install mlflow>=3.1.3
dbutils.library.restartPython()

  2. Activez l'application de révision pour recueillir les commentaires des parties prenantes.

  3. Remplacez les appels d’API de commentaires par la journalisation de l’évaluation MLflow 3.

  4. Déployez votre agent avec MLflow 3 :

    • Le suivi en temps réel capture automatiquement toutes les interactions
    • Les évaluations sont attachées directement aux traces pour une visibilité unifiée

  5. Configurer la surveillance de la production (facultatif) :

Fonctionnement de l’API de commentaires (déconseillée)

Le modèle de commentaires a exposé un point de terminaison REST qui a accepté des commentaires structurés sur les réponses de l’agent. Vous envoyez des commentaires via une demande POST au point de terminaison de commentaires après que votre agent a traité une demande.

Exemple de demande de commentaires :

curl \
  -u token:$DATABRICKS_TOKEN \
  -X POST \
  -H "Content-Type: application/json" \
  -d '
      {
          "dataframe_records": [
              {
                  "source": {
                      "id": "user@company.com",
                      "type": "human"
                  },
                  "request_id": "573d4a61-4adb-41bd-96db-0ec8cebc3744",
                  "text_assessments": [
                      {
                          "ratings": {
                              "answer_correct": {
                                  "value": "positive"
                              },
                              "accurate": {
                                  "value": "positive"
                              }
                          },
                          "free_text_comment": "The answer used the provided context to talk about pipelines"
                      }
                  ],
                  "retrieval_assessments": [
                      {
                          "ratings": {
                              "groundedness": {
                                  "value": "positive"
                              }
                          }
                      }
                  ]
              }
          ]
      }' \
https://<workspace-host>.databricks.com/serving-endpoints/<your-agent-endpoint-name>/served-models/feedback/invocations

Vous pouvez transmettre des paires clé-valeur supplémentaires ou différentes dans les champs text_assessments.ratings et retrieval_assessments.ratings pour fournir divers types de commentaires. Dans l'exemple, la charge utile de rétroaction indique que la réponse de l'agent à la demande avec l'ID 573d4a61-4adb-41bd-96db-0ec8cebc3744 est correcte, précise et ancrée dans le contexte récupéré par un outil de récupération d'informations.

Limitations de l’API de commentaires

L’API de commentaires expérimentaux présente plusieurs limitations :

  • Aucune validation d’entrée ; L’API répond toujours correctement, même avec une entrée non valide
  • ID de requête Databricks requis : Vous devez transmettre la databricks_request_id requête de l’agent d’origine
  • Dépendance de table d’inférence : Les commentaires sont collectés à l’aide de tables d’inférence avec leurs limitations inhérentes
  • Gestion limitée des erreurs : Aucun message d’erreur significatif pour la résolution des problèmes

Pour obtenir l'élément requis databricks_request_id, vous devez inclure {"databricks_options": {"return_trace": True}} dans votre demande d'origine au point de terminaison du service de l’agent.

Étapes suivantes

  • Last updated on