从零到一：Databricks AI Dev Kit完整学习路线图（新手必看）

从零到一Databricks AI Dev Kit完整学习路线图新手必看【免费下载链接】ai-dev-kitDatabricks Toolkit for Coding Agents provided by Field Engineering项目地址: https://gitcode.com/GitHub_Trending/ai/ai-dev-kitDatabricks AI Dev Kit是由 Databricks 现场工程团队提供的开源 AI 开发工具包它能为 Claude Code、Cursor、Copilot 等 AI 编程助手注入20 个 Databricks 技能和75 个可执行工具让你用自然语言就能创建作业、跑 SQL、搭数据管道和部署 AI 应用。本路线图将带你按 4 个模块、3 个步骤从零搭建自己的 AI 辅助开发环境。一、什么是 AI Dev Kit一句话理解它把你的 AI 编辑器升级成懂 Databricks 的专家。传统方式下AI 助手不了解 Databricks 的作业调度、Unity Catalog、Lakebase 等平台特性装上 AI Dev Kit 后技能Skills教会 AI 怎么做才对 —— 官方最佳实践模式MCP 工具让 AI 真的能动手 —— 直接执行平台操作 官方说明Databricks 也提供免费的内置方案 Genie Code而 AI Dev Kit 的定位是把 Databricks 专业能力带进你已经在用的编辑器。两者可互补使用。二、工具箱全景4 大核心组件 AI Dev Kit 由四个可自由组合的模块组成你可以全套安装也可以只挑需要的组件作用适合谁databricks-tools-core/Python 核心库提供 SQL、作业、Unity Catalog 等高级函数写自定义集成databricks-mcp-server/MCP 服务器向 AI 暴露 50 个可执行工具想要能动手的 AIdatabricks-skills/20 个 Markdown 技能文件覆盖数据工程、AI、部署等所有新手首选databricks-builder-app/网页版 Builder 应用带聊天界面的开发工作台不喜欢命令行的用户技能目录中每个文件夹都是一个主题例如 databricks-jobs/SKILL.md 教你建作业、databricks-vector-search/SKILL.md 教你搭 RAG详细清单见 databricks-skills/README.md。三、第一步一键安装到现有项目 ⚡前置条件安装 uv 风格的 Python 包管理器、Databricks CLI以及任一 AI 编程环境Claude Code、Cursor、Gemini CLI、Windsurf 等。在你的项目根目录下执行git clone https://gitcode.com/GitHub_Trending/ai/ai-dev-kit cd ai-dev-kit bash install.sh安装脚本 install.sh 会自动完成三件事安装技能、部署 MCP 服务器、写入编辑器配置Claude、Cursor、Codex、Copilot、Gemini 等 9 种工具均支持。Windows 用户可用 install.ps1。常用进阶选项--global全局安装所有项目生效--tools cursor,codex只为指定工具安装--skills-only只装技能、不装 MCP再次运行同一命令即可原地更新加--uninstall可干净卸载四、第二步让 AI 掌握 Databricks 技能 技能文件会被放入项目的.claude/skills/目录或对应工具的等效目录AI 会自动加载。只想装技能而不装整套 MCP运行./databricks-skills/install_skills.sh --local支持按需挑选./databricks-skills/install_skills.sh databricks-jobs databricks-dbsql技能按主题分类新手建议优先掌握这几类数据工程databricks-spark-declarative-pipelines声明式管道、databricks-jobs多任务工作流AI 与代理databricks-agent-bricks知识助手、databricks-model-serving模型端点部署开发部署databricks-bundles多环境部署、databricks-config认证配置五、第三步解锁 75 个可执行 MCP 工具 MCP 服务器是行动层源码位于 databricks-mcp-server/入口为 databricks-mcp-server/run_server.py。它提供的工具覆盖类别典型能力SQL 操作执行查询、并行多语句、获取表结构统计计算管理集群创建/启停、SQL Warehouse 管理作业调度创建作业、立即运行、等待完成、查看日志数据管道创建/更新/运行声明式管道智能应用知识助手、Genie Space、AI/BI 仪表盘模型服务查询端点状态、调用模型推理工作原理详见 databricks-skills/README.md你说创建一个销售仪表盘 → AI 加载databricks-aibi-dashboards技能学会规范流程 → 调用get_table_stats_and_schema()获取表结构 → 调用execute_sql()验证查询 → 调用manage_dashboard()一键部署 → 返回可用链接。六、可视化 Builder App网页版开发工作台 ️如果命令行不是你的菜Builder App提供完整 Web 界面聊天式对话 项目管理 实时流式输出后端由 FastAPI 驱动、前端为 React见 databricks-builder-app/client/ 与 databricks-builder-app/server/。一条命令即可部署到 Databricks自动创建 Lakebase 数据库 应用 权限cd databricks-builder-app ./scripts/deploy.sh my-builder-app --profile your-profile加--enable-mcp参数后它还能同时对外提供 MCP 服务把 75 工具开放给其他 MCP 客户端。七、装好之后你能构建什么Spark 声明式管道—— 流式表、CDC、Auto Loader 增量加载Databricks 作业—— 定时任务、多任务 DAGAI/BI 仪表盘—— KPI 可视化与数据分析Genie Space—— 自然语言探索数据知识助手—— 基于 RAG 的文档问答模型服务—— 把 ML 模型和 AI 代理部署为端点Databricks Apps—— 集成基础模型的全栈 Web 应用八、新手学习路线小结 ✅阶段目标关键动作第 1 天环境跑通执行install.sh用 AI 跑一条 SQL第 3 天技能上手让 AI 用databricks-jobs技能创建一个定时作业第 1 周数据管道用databricks-spark-declarative-pipelines建一条增量管道第 2 周智能应用搭建 AI/BI 仪表盘或知识助手体验端到端流程三条避坑提示项目级安装后请务必从安装时的目录启动 AI 客户端否则配置不生效Cursor 和 Copilot 安装后需要手动确认一次设置认证失败时先检查~/.databrickscfg中的 profile 是否可用参考 databricks-tools-core/README.md 的认证优先级说明按这条路线走完你就拥有了一个会用 Databricks 官方最佳实践帮你写代码、还能直接动手部署的 AI 开发环境。完整功能说明与更新计划欢迎回到 README.md 继续探索。【免费下载链接】ai-dev-kitDatabricks Toolkit for Coding Agents provided by Field Engineering项目地址: https://gitcode.com/GitHub_Trending/ai/ai-dev-kit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考