9/10 Databricks 一口气放出多项 agentic 基础设施更新，主线很集中：让 Agent 跑得久不丢状态、检索更快、分析能落地成行动。它们不是单个炫技功能，而是把「能长期自主运行的 Agent」需要的底层件补齐。
一、持久型 Agent：跨故障不丢进度
与 Temporal 合作、基于 Lakebase 打造的持久型 Agent，核心解决长程任务最头疼的问题——进程重启、临时故障后，上下文与执行进度还能接上。对要连干数小时甚至跨天的 Agent 来说，这是从「演示脚本」走向「生产系统」的前提。
二、检索更快，分析能「动手」
新推出的 Adaptive Instructed-Retriever 检索服务，官方称以约一半延迟达到前沿级检索质量；分析 Agent 产品 Genie One 则从「回答一个问题」升级到「直接触发一个行动」，把分析闭环里长期缺失的「执行」一环补上。两者合起来，Data + Agent 的闭环更完整。
三、落地范式：先评估，再上线
印度即时零售商 Zepto 用 Databricks 与 MLflow 搭起「评估优先」的客服 Agent，先把效果评测做扎实再投产；Databricks 同时分享了企业规模化 AI coding 的成本控管实务。这与近期行业共识一致——Agent 普及的瓶颈不在模型能力，而在评估、治理与成本可见性。