這很重要
棄用通知：回饋模式自 2025 年 12 月 4 日起已停用，且最新版本的 databricks-agents 不再支援此模式。
需要行動：改用 MLflow 3 來記錄你的模型 3 。 接著改用 log_feedback API 和 MLflow 3 評量 API 來收集回饋。
意見反應模型可讓您以程式設計方式收集客服專員回應的意見反應。 當您使用 agents.deploy()部署代理程式時，Databricks 會自動與代理程式一起建立意見反應模型端點。
此端點接受結構化意見反應 （評等、註解、評定） ，並將其記錄至推論資料表。 然而，這種方法已被 MLflow 3 更強大的回饋功能所取代。
移轉至 MLflow 3
不要使用已取代的意見反應模型，而是移轉至 MLflow 3 以獲得完整的意見反應和評估功能：
- 一流的評估日誌記錄 ，具有強大的驗證和錯誤處理功能
- 即時追蹤整合 ，即時回饋可見性
- 檢閱應用程式與 增強的利害關係人共同作業功能整合
- 透過自動化品質評估提供生產監控支援
要將現有工作負載遷移到 MLflow 3：
在您的開發環境中升級至 MLflow 3.1.3 或更新版本：
%pip install mlflow>=3.1.3 dbutils.library.restartPython()啟用 審查應用程式 以收集利害關係人回饋。
用 MLflow 3 評估日誌取代回饋 API 呼叫。
使用 MLflow 3 部署代理程式：
- 即時追蹤自動擷取所有互動
- 評估會直接綁定至追蹤，以提供統一的可視性
設定生產監控（可選）：
- 設定生產流量的自動化品質評估
回饋 API 的運作方式（已棄用）
意見反應模型公開了接受有關客服人員回應的結構化意見反應的 REST 端點。 在客服人員處理請求後，您將透過 POST 請求將回饋傳送到回饋端點。
意見反應要求範例：
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
您可以在 text_assessments.ratings 和 retrieval_assessments.ratings 欄位中傳遞其他或不同的索引鍵/值組，以提供不同類型的意見反應。 在此範例中，意見回饋承載指出代理程式對具有 ID 573d4a61-4adb-41bd-96db-0ec8cebc3744 之要求的回應是正確、準確的，並且以擷取工具擷取的內容為基礎。
意見反應 API 限制
實驗性意見反應 API 有數個限制：
- 沒有輸入驗證; API 一律會成功回應，即使輸入無效
-
必要的 Databricks 請求 ID：您需要從原始代理請求中傳遞
databricks_request_id - 推理表依賴性： 反饋是使用推理表收集的，推理表具有固有 的限制
- 有限的錯誤處理： 沒有有意義的錯誤訊息來協助疑難排解
若要取得必要的 databricks_request_id，您必須在對代理的服務端點提出的原始請求中包含 {"databricks_options": {"return_trace": True}}。