技能测试

数据 社区

技能解读

当前原文的自动摘译,尚未人工审校。

快速参考

记分器 - 可用的记分器和质量门 YAML 模式 - 清单和基本事实格式 Python API - 编程使用示例 工作流程 - 详细的示例工作流程 跟踪评估 - 会话跟踪分析

/技能测试命令

/skill-test 命令提供了一个交互式 CLI,用于在 Databricks 上实际执行来测试 Databricks 技能。

子命令

子命令 · 描述 run · 根据真实情况运行评估(默认) regression · 将当前结果与基线进行比较 init · 初始化新技能的测试脚手架 add · 交互:提示 -> 调用技能 -> 测试 -> 保存

快速示例

有关每个子命令的详细示例,请参阅工作流程。

环境设置

Databricks MLflow 的环境变量: DATABRICKS_CONFIG_PROFILE - Databricks CLI 配置文件(默认值:“DEFAULT”) MLFLOW_TRACKING_URI - 设置为 Databricks MLflow 的“databricks” MLFLOW_EXPERIMENT_NAME - 实验路径(例如,“/Users/{user}/skill-test”)

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
数据
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@databricks-solutions · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
  • 读取环境变量
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

输出预览 skill-test-databricks-solutions.preview
/skill-test databricks-spark-declarative-pipelines run
/skill-test databricks-spark-declarative-pipelines add --trace
/skill-test databricks-spark-declarative-pipelines review --batch --filter-success
/skill-test my-new-skill init

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。