资源介绍
视频数量：87个
总时长：6小时10分
课程介绍：
Snowflake Cortex AI 生产实战：从SQL调用到企业级智能平台
凌晨3点，排名前十的零售买家发来一条短信，问你SKU Ku48213为什么又缺货了。你的客户经理Maya同时掌管POS收银、库存ERP、供应商门户、客服工单四个数据源，每个系统都"看得到"真相的一部分，却没有人把它们拼在一起。等她花六天拼出完整答案时，三十四万美元的货架价值已经流失。答案早就躺在那里，只是被锁在四个没人去打通的系统角落里，速度才是真正失败的原因。
这门课就是从这样一个真实的凌晨求助开始，沿着一家快消品公司的完整业务线，把Snowflake Cortex的全栈AI能力拆开揉碎，教你一步步搭出一套真正能在生产环境跑起来的企业级智能应用。
一、看清全貌再动手
课程开篇不会急着写代码，先用"3点钟缺货"的故事点醒你：四个系统、五条线索、无人拼接，这个常见困局才是Cortex存在的理由。然后带你建立产品地图，把批量SQL、API调用、交互式查询三条路的边界划清楚，知道什么场景用什么工具。环境准备这一模块专门讲清权限角色、跨区域推理、计费模型，以及任务函数、AI_COMPLETE、Analyst、Search四类工具的选择矩阵，相当于给你一张开工前的工具清单。
二、从第一个生产级大模型调用开始
进入实战层，你将学会用AI_COMPLETE写出第一条合格的SQL级模型调用——模型怎么选、温度怎么设、提示词的系统角色和用户角色怎么切。课程会先展示一个反面教材：有人在存储过程游标里逐行调用AI_COMPLETE，两百万行就产生两百万次模型往返，一个周末烧掉四百美元账单，用"每条街叫一辆出租车"和"包一辆公交车穿城而过"的比喻把问题讲透。然后教你一次性批量调用的正确写法、处理截断和乱码输出的调试流程。
任务函数这一模块把AI_SENTIMENT、AI_TRANSLATE、AI_SUMMARIZE、AI_EXTRACT四个常用函数的签名、真实输出和适用场景讲清楚，再用"自己手搓提示词"和"直接用任务函数"的对比，让你养成能用车轮就别重新发明车轮的工程习惯。配套的电商评论分诊案例会把这些函数串成一个定时调度任务，把情感分析、摘要和负面情绪告警跑成一条完整管道。
三、向量搜索与托管检索
进入Embedding模块，学习AI_EMBED函数、VECTOR数据类型、在纯SQL里跑余弦相似度，以及为什么要避免"手工向量检索硬扛规模化"这个常见陷阱。然后切入Cortex Search，学习如何创建一个托管的搜索服务，理解混合检索中语义和关键词各自负责什么，掌握索引的刷新和增量更新策略。配套案例把前面学到的东西串起来：给一线销售代表做一个产品知识助手，把产品规格和陈列文档建好索引，用AI_COMPLETE生成带检索增强的答案，再用guardrail机制让模型拒绝回答索引之外的内容，专门针对一线场景写出可用的、有边界的问答系统。
四、自然语言访问结构化数据
Cortex Analyst这一模块教你构建YAML语义模型，让业务用户用自然语言直接问数据。课程用零售品类经理的真实例子展开：先建立覆盖POS和发货数据的星型语义模型，再用Verified Queries锁定那些永远不能答错的关键问题，最后通过REST API调用Analyst服务。调试幻灯片专门剖析"从错误的JOIN自信地给出错误答案"这种典型陷阱，帮你在上线前建立完整的防御检查。
五、文档解析、预测与异常检测
文档管道这一段重点教AI_PARSE_DOCUMENT的版式感知抽取能力——从供应商发票和采购订单里精准提取行项目，再用置信度评分决定什么时候需要转人工审核。预测模块会带你用FORECAST函数为五万个SKU逐店逐品训练需求预测，并把促销和季节性作为外生变量加进去；课程会先演示"一个全局模型覆盖全SKU"的反面做法，再给出正确的逐SKU建模方案。异常检测模块用ANOMALY_DETECTION监控发货和POS流量，再用Contribution Explorer找出是哪个维度在驱动异常波动，配合"幻影库存"真实案例把误报调参的过程完整演练一遍。
六、微调与智能体编排
微调部分讲清FINETUNE函数到底改变了什么、以快消品牌SKU和促销码解析为真实用例，提醒你不要把微调当作第一步动作而应是最后手段。智能体章节展开Snowflake Intelligence和Cortex Agents如何编排多个Cortex工具，定义工具和路由逻辑，理解容器运行时的约束，用Cortex Guard给智能体回答加上一道防线。配套的促销优化智能体案例把搜索、分析和预测三路工具编排进同一个Agent，演示分钟级别出促销ROI决策的真实工作流。
七、生产环境避坑、治理与上线
"生产失败案例库"是这门课特别实在的一部分：提示词爆炸导致token超限、权限报错、语义模型漂移、搜索质量衰减、虚假异常预警、月底突然冒出的惊人费用账单，每个坑都有完整的症状、诊断、修复流程。治理模块带你建立跨团队的RBAC模式、监控信用额度消耗、用AI_REDACT脱敏PII，并给出一张"生产治理清单"参考卡。应用层教你两条运行路径：Streamlit in Snowflake配上AI函数适合轻量级聊天前端；容器运行时配外部应用适合完整的Agent方案。课程最后讲如何打包成Snowflake Native App、跨业务部做数据共享、上Marketplace列出来，以及如何在生产中监控输出质量漂移、做提示词版本管理和A/B测试。
八、终极项目
课程最后用一个完整的快消品智能平台收尾：从文档摄入到搜索索引，到语义模型，到预测和异常检测，到总控Agent，到Streamlit前端和治理配置，全链路亲手搭一遍，并把开篇凌晨3点的故事重新拉回来，用真实数字展示这一整套系统如何把六天的调查压缩成分钟级回答，并延伸到客服、财务、运营等相邻场景展示平台的可复用性。
这门课适合已经在用或即将上Snowflake的数据工程师、数据科学家、分析师，以及要给企业搭建生成式AI应用的架构师。课程假设你写过SQL和Python，最好对数据仓库基本概念熟悉，但不需要你以前用过LLM——从大模型基础概念到生产Agent编排，每一步都配了可运行的SQL和Python代码、练习题和案例文件，一共八十七段视频、六个多小时，跟着敲一遍就能把Snowflake Cortex从名词变成你手里的工具。