Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
El contexto profundo es la comprensión acumulada del agente de su entorno: el código, la infraestructura, los procedimientos del equipo y lo que sucedió en investigaciones anteriores. A diferencia de un asistente de IA genérico que comienza desde cero cada vez, el agente crea una imagen creciente de cómo funcionan los sistemas.
Sugerencia
- El contexto profundo significa que el agente entiende su código, infraestructura e historial operativo, no solo conocimientos genéricos Azure
- Crea esta comprensión a través de tres pilares: análisis de código, memoria persistente e inteligencia en segundo plano
- Los repositorios de código fuente conectados (GitHub, Azure DevOps) proporcionan al agente acceso directo para leer, buscar y navegar por el código base
Las herramientas del área de trabajo (operaciones de archivo, comandos de terminal Python ejecución) requieren la habilitación. Póngase en contacto con el administrador del agente o habilite a través de la página Configuración experimental del portal.
El contexto profundo no es una sola característica que habilite: es la combinación de tres pilares que funcionan juntos automáticamente.
| Fundamento | Qué hace | Cómo se construye |
|---|---|---|
| Análisis de contexto | Lee el código, busca conocimiento y navega por su entorno en tiempo real. | Repositorios conectados + base de conocimiento + preferencias de usuario |
| Memoria persistente | Recuerda las investigaciones anteriores, el contexto del equipo y los patrones operativos | Aprendizaje conversacional y archivos de conocimiento |
| Inteligencia en segundo plano | Aprende continuamente de su entorno, incluso cuando nadie está chatando | Análisis de código base + generación de conclusiones + enriquecimiento de orígenes de datos |
¿Por qué importa el contexto profundo?
La experiencia de su equipo reside en una docena de lugares diferentes: código fuente en GitHub, registros en Azure Monitor, configuraciones en archivos YAML, runbooks en una wiki que nadie actualiza y conocimientos tribales en los jefes de los ingenieros superiores. Cuando se produce un incidente, la parte más difícil no es razonar sobre el problema, sino recopilar suficiente contexto para empezar a razonar.
El contexto profundo lo resuelve proporcionando al agente acceso continuo a todos estos orígenes y la capacidad de recordar lo que aprende de cada interacción.
Pilar 1: Análisis de contexto
El agente tiene acceso directo y continuo a los repositorios conectados, la base de conocimiento y las preferencias del usuario. No espera a que haga una pregunta antes de leer el código; explora los repositorios, aprende la estructura del proyecto y crea una comprensión proactiva.
Puede agregar más contexto en cualquier momento:
- Conectar repositorios—vincula GitHub o Azure Repos para que tu agente pueda leer el código fuente. Consulte Conectores.
- Cargar documentos de conocimiento: agregue libros de ejecución, guías de arquitectura y procedimientos de equipo. Consulte Memoria y conocimientos.
-
Indique al agente que recuerde: escriba
#rememberen el chat para guardar los hechos que el agente debe conocer. Consulte Memoria y conocimientos. - Crear aptitudes: empaquetar procedimientos de solución de problemas con herramientas. Consulte Aptitudes.
Seguridad
Todas las operaciones del área de trabajo se ejecutan en un entorno protegido. La ejecución del código se produce en contenedores aislados, no en el host del agente. Los comandos de escritura de Azure CLI requieren aprobación explícita del usuario antes de la ejecución.
Pilar 2: Memoria persistente
El agente recuerda lo que aprende. Después de cada conversación, el agente extrae facetas estructuradas: tasas de éxito de herramientas, causas principales, aprendizajes clave y qué servicios Azure estaban implicados. Estos se almacenan como conocimientos persistentes y se usan para mejorar las investigaciones futuras.
Más información: Memoria y conocimiento
Pilar 3: Inteligencia en segundo plano
El agente crea continuamente conocimientos operativos, incluso cuando nadie habla, a través de tres sistemas en segundo plano:
Análisis de código base
Al conectar un repositorio de código, el agente lo analiza automáticamente: estructura del proyecto, pila de tecnología, configuraciones de implementación y dependencias de servicio. Crea un archivo SREAGENT.md como solicitud de incorporación de cambios en el repositorio.
Generación de conclusiones
Un servicio en segundo plano agrega periódicamente datos de varios orígenes (conversaciones anteriores, incidentes, contexto del área de trabajo) y usa la coincidencia semántica para generar, conciliar y evolucionar información operativa a lo largo del tiempo.
Enriquecimiento de esquemas Kusto
Al conectar un clúster de Azure Data Explorer (Kusto), el agente detecta automáticamente las bases de datos y las tablas, documenta el esquema de cada tabla, genera descripciones legibles y compila plantillas de consulta KQL.
Contenido relacionado
- Investigación profunda
- ejecución de código Python
- Respuesta a incidentes
- Conectores
- Tareas programadas