Cortex Search
PulseAugur coverage of Cortex Search — every cluster mentioning Cortex Search across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Snowflake CoWork agent 在推理循环中触发 800 美元计算成本
一位数据科学家测试 Snowflake CoWork agent 时，由于一个推理循环消耗了 47 分钟的资源，导致意外产生了 800 美元的计算账单。该 agent 配置了广泛的工具访问权限，包括语义视图和搜索服务，但其操作时长缺乏足够的限制。Snowflake 的 CoWork agent 旨在为员工提供安全、受管制的对数据和企业系统的访问，并具备基于角色的访问控制 (RBAC) 和资源预算等功能，以管理成本并确保合规性。
-
Snowflake 协同工作代理：语义视图对业务背景至关重要
本文以Snowflake的协同工作代理为例，详细阐述了构建理解业务背景的有效AI代理对语义视图的关键重要性。作者强调，与提示的复杂性相比，语义视图中指标定义的质量对于代理的准确性更为重要。文章指出，语义视图充当组织与AI代理之间的业务逻辑契约，区分了由Cortex Analyst处理的结构化数据查询和由Cortex Search管理的非结构化检索。
-
Snowflake通过MCP将AI代理与Salesforce、Slack和Jira集成
Snowflake正通过其模型上下文协议（MCP）将其CoWork代理与Salesforce、Slack和Jira等热门业务工具集成，从而增强其AI能力。该协议允许AI代理发现和调用不同系统中的工具，从而能够更快地对从数据中获得的洞察采取行动。Snowflake还宣布有意收购企业MCP平台Natoma，以进一步加强AI代理的安全连接和治理。
-
Snowflake CoWork：一个多智能体系统，而不仅仅是文本到SQL
根据对其架构的分析，Snowflake CoWork 是一个复杂的、多智能体编排系统，而不仅仅是一个文本到SQL接口。该系统利用了Cortex Analyst和Cortex Search等工具，并通过一个解释用户意图、选择适当工具并按顺序执行操作以提供综合答案的编排层。安全性与治理通过Snowflake的基于角色的访问控制和数据策略来维护，确保查询在用户现有权限下执行。
-
供应商RAG故意限制以规避法律风险
供应商运行的文档聊天机器人，通常被称为检索增强生成（RAG）系统，被故意设计成提供有限的或“无洞察力”的响应。这种限制是一种故意的特性，而非缺陷，源于系统提示，这些提示指示AI仅依赖提供的文档，并避免推测性或比较性分析。这种设计选择可以减轻法律风险，并确保AI不会生成不受控制的营销文案，或就竞争对手或自身弱点做出潜在的不准确声明。