透过 Agent Bricks 看 Databricks 的开源之路

和 Snowflake 不太一样，Databricks 的基因来自 Apache Spark、Delta Lake、MLflow 等开源项目。但新推出的 Agent Bricks 却把底层复杂性几乎全部抽象掉：这是在远离开源，还是战略的升级？

🧱Agent Bricks 并非对开源的背离，而是其“开放核心”（Open Core）战略的演绎。开源层提供透明与可控，专有层交付速度与自动化，两者形成强大的共生关系。

🧱Agent Bricks：声明式的智能体平台

传统的开源框架虽然灵活，但过度依赖开发者手工编排、调优和评估，难以支撑生产级应用。Agent Bricks 给出的答案是一个声明式的自动化工作流，核心包括三大支柱：

→自动化评估（Automated Evaluation）：借助 MLflow 3.0 自动生成任务特定的评估指标和 LLM 评判器，把“感觉测试”转化为客观分数。

→Agent 学习（Agent Learning）：业务用户直接用自然语言反馈优化答案，相当于轻量化 RLHF，不再依赖工程师改代码。

→多智能体主管（Multi-Agent Supervisor）：系统内置“项目经理”，能拆解复杂问题、调度专家 Agent、最后汇总成一份决策报告。

🧱开源的基石：Databricks 的 Open Core，Agent Bricks 的能力也来源于此：

→Apache Spark：统一计算引擎。

→Delta Lake：开放存储格式，避免数据锁定。

→MLflow：端到端 MLOps 标准，3.0 版本是 Agent Bricks 的底层引擎。

→Unity Catalog：刚刚全面开源，提供统一治理与权限控制。

🧱Databricks 的逻辑是：

→对构建者开放：提供开源工具，透明、可控、避免供应商锁定。

→对使用者自动化：在开源基座之上提供抽象和封装，降低门槛、加速落地。

👉这就是它的护城河：拥有架构，而非数据。这套组合让企业既能保持开放的标准，又能获得生产级的自动化体验。Agent Bricks 并不是对开源精神的背离，而是对其 “开放核心”战略的延伸，更像是一种“开源底座 + 商业抽象”的混合生态。后续继续聊聊 Snowflake vs Databricks 这两家不得不聊的对比。