公告

提醒： 您现在可以注册 Foundry 时事通讯，以直接在您的收件箱中接收平台上新产品、功能和改进的摘要。有关如何订阅的更多信息，请参阅 Foundry Newsletter 和 Product Feedback 频道公告。

介绍 AIP Logic [GA]

发布日期：2023-12-14

AIP Logic 是一个无代码开发环境，用于搭建、测试和发布由大型语言模型驱动的函数。借助 AIP Logic，您可以搭建功能丰富的 AI 驱动函数，利用 Ontology，而无需开发环境和 API 调用通常引入的复杂性。使用 Logic 的直观界面，应用构建者可以设计提示、测试、评估和监控、设置自动化等。

您可以使用 AIP Logic 来自动化和支持您的关键任务，无论是将非结构化输入中的关键信息连接到您的 Ontology，解决日程冲突，通过找到最佳分配来优化资产性能，还是对供应链中的中断做出反应。

AIP Logic 的默认位置。

访问 AIP Logic

可以从平台的工作区导航栏访问 AIP Logic，或者使用快捷搜索快捷键 CMD + J (macOS) 或 CTRL + J (Windows)。另外，您也可以通过选择 +New 然后选择 AIP Logic 从您的 Files 中创建一个新的逻辑函数，如下所示。

+ New 下拉菜单。

开发路线图上有什么？

以下是 AIP Logic 目前正在开发的功能：

• 逻辑助手： 获得 AI 辅助来帮助编写提示，并检查缺失的工具和数据。构建更可靠的逻辑函数，并受益于更快的迭代提示和降低的出错率。
• 版本控制和分支： 创建、管理和合并不同版本和分支的 AIP Logic 函数。
• 评估： 设置评估和测试框架，结合您的 Ontology 定义来衡量您的逻辑函数的有效性。

开始使用 AIP Logic

要开始使用，请访问 入门指南 或了解更多关于 核心概念 的信息。

介绍派生序列 [Beta]

发布日期：2023-12-14

派生序列现在作为 beta 功能可根据请求提供，为时间序列用户提供了一种新的方式来保存和复制在 Quiver 分析中对时间序列数据执行的计算。将派生序列存储为 Foundry 资源，使逻辑可以共享并链接到 Ontology，使派生序列可以像原始时间序列一样按需计算，而无需额外存储或重复计算。

请联系您的 Palantir 代表以获取启用。

派生序列是对原始时间序列数据进行变换和/或计算的组合，作为 Foundry 资源保存以在各种工作流中重用。

派生序列创建

用户现在可以将 Quiver 分析中的时间序列数据变换保存为派生序列。时间序列卡片，如时间序列公式、滚动聚合等，现在有一个 保存派生序列 选项，可以将整个逻辑树转换为 Quiver 分析中的一个代码模板，可以在运行时执行。

了解有关创建派生序列的更多信息。

在选择配置详细信息和对象类型后保存派生序列。

派生序列管理

此外，您可以访问派生序列管理页面，以管理派生序列资源和代码模板。查看派生序列的相关信息，并可以修改逻辑、元数据并重新发布派生序列模板的新版本。

了解有关管理派生序列的更多信息。

在一个视图中查看派生序列详细信息。

开发路线图上有什么？

将派生序列保存到 Ontology 的步骤目前需要用户手动搭建和维护链接系列到根或传感器对象类型的管道，以便在分析或操作应用中更广泛地使用派生序列，类似于原始时间序列。我们正在积极开发完整的自动化流程来构建派生序列工作流，以确保通过消除手动管理 Ontology 管道的需求来提供无缝的用户体验。

开始使用派生序列

有关更多信息，请查看以下相关文档：

• 派生序列概述
• 派生序列权限
• 时间序列概念

介绍 HyperAuto V2 自动同步创建 [GA]

发布日期：2023-12-12

HyperAuto V2 管道的自动同步创建功能现已普遍可用，允许您在配置 HyperAuto 管道时选择源中任何可见表。当同步尚不存在时，HyperAuto 会智能地为您创建一个以便您根据需要配置。

使用没有数据连接同步的表作为输入

您现在可以在输入配置步骤中选择没有数据连接同步的表作为输入。如果所选输入存在同步，HyperAuto 将默认使用最近运行的同步。您可以通过铅笔图标的 配置输入表 选项重新配置所选输入，并可以选择使用现有的不同同步或为创建新同步。

输入配置窗口现在允许没有数据连接同步的表作为输入。

从 输入表设置 面板中，选择 为此表从您的 SAP 源创建新的同步，然后 保存。

输入表设置面板中提供创建新同步选项。

一旦 HyperAuto 管道已创建，您可以从概览页面查看正在设置多少同步（在界面中也称为“初始化”）。

概览页面显示正在自动生成的同步。

HyperAuto 将在部署管道逻辑之前创建并运行概览页面中显示的同步。

从 HyperAuto 入门指南了解更多。

介绍自由形式分析微件

发布日期：2023-12-12

自由形式分析工作坊微件 使用户能够在 Workshop 应用程序框架内独立灵活地调查对象数据。现在普遍可用，该微件允许用户从简单的路径驱动分析界面中受益，该界面由 Quiver 的强大功能套件驱动。

在 Workshop 应用程序中直接使用自由形式分析微件调查数据。

在 Workshop 应用程序中无缝进行数据探索

借助自由形式分析微件，用户可以在 Workshop 应用程序中探索对象数据，并与他人共享调查结果，以减少重复工作并增强工作流。以前，当用户想在 Workshop 应用程序中深入研究数据时，他们需要使用 Contour 或 Quiver 来支持调查。

现在，通过自由形式分析微件，以下应用案例将受益：

• 数据探索： 在现有的 Workshop 应用程序中探索数据并创建定制调查。
• 根本原因调查： 针对警报，用户可以基于预定义的可视化集进行构建，并按照最相关的方向深入分析数据——包括探索链接对象类型。
• 应用程序原型： 构建者可以查看保存的分析以了解常见的偏离模式，然后将这些模式纳入生产工作流。
• 群组创建： 用户可以深入创建自定义群组，然后可以保存为组，以便在应用程序中的其他地方使用。

开始使用自由形式分析微件

要开始使用自由形式分析微件，只需在 Workshop 微件主页中搜索该微件。然后，进行配置：

1. 提供一个 输入对象集 作为分析的基本输入。
2. 定义当路径中没有卡片时，微件应如何配置，通过设置 空状态标题 和 空状态描述。
3. 确定 输出对象集，用于在 Workshop 中其他地方保存引用的输出对象集。
4. 可选择地，切换 启用路径保存，这将复制路径中的单个卡片以添加到记事本文档中。用户应注意，只有在已保存的分析路径中，卡片才能被复制。

分析路径可以保存为公共或私人以供将来参考，并且也可以在 Quiver 中打开，或复制到记事本文档中。

自由形式分析微件配置

要了解更多信息，请参阅 自由形式分析微件 文档。

介绍 AIP 开发者功能的扩展 LLM 集成

发布日期：2023-12-07

我们很高兴地宣布在 AIP 开发者功能 中扩展对大型语言模型（LLM）使用的支持，包括：

• 控制面板中的 AIP 开发者功能权限管理
• Python 变换中的语言模型
• 对象函数中的语言模型
• 管道构建器中的文本到嵌入面板

控制面板中的 AIP 开发者功能权限管理

AIP 启用的堆栈管理员现在可以利用控制面板中的新 AIP 设置页面来管理在 AIP 开发者工作流中对 LLM 的访问。从该页面，管理员可以启用、禁用并选择哪些用户组能够在自定义和 Palantir 提供的 LLM 之上构建工作流。

控制面板中的 AIP 开发者功能权限管理

在 Python 变换中使用语言模型

使用 Python 变换的管道作者现在可以无缝搭建利用 Palantir 提供的 LLM 和嵌入模型的数据管道。只需利用 palantir_models Python 包中包含的 Python SDK。

使用 palantir_models Python 包将 LLM 纳入您的数据管道中

示例设置

下面的代码片段演示了管道开发人员如何在逻辑中使用 OpenAI 的 GPT-4 ↗ 实现变换，轻松利用 LLM 的潜力来处理平台上存在的任何数据管道。

Copied!
1
2
3
4
5
6
7
8
9
10
11
12
from transforms.api import transform, Input, Output
from palantir_models.transforms import OpenAiGptChatLanguageModelInput
from palantir_models.models import OpenAiGptChatLanguageModel

@transform(
    source_df=Input("/path/to/input/dataset"),  # 输入数据集路径
    gpt_4=OpenAiGptChatLanguageModelInput("ri.language-model-service..language-model.gpt-4_azure"),  # GPT-4 模型输入
    output=Output("/path/to/output/dataset"),  # 输出数据集路径
)
def compute(ctx, source_df, gpt_4: OpenAiGptChatLanguageModel, output):
    # 该函数用于执行数据转换操作
    ...

在这个代码片段中，@transform 装饰器用于定义一个数据转换操作。source_df 是输入数据集的路径，gpt_4 是一个 GPT-4 模型的输入，output 是转换后数据的输出路径。compute 函数是转换逻辑的实现。 有关平台内可用的大型语言模型（LLM）和使用的更多信息，请查阅文档中的在变换中使用Palantir提供的模型。

在Object上的函数中与语言模型互动

用户现在可以使用Palantir提供的语言模型与Typescript函数创建自定义逻辑，促进如摘要、问答、语义搜索等工作流程。更新后的模型导入面板支持Palantir提供的和自定义的模型。对于所有导入的LLM，将生成Typescript类，为在用户编写的函数中使用LLM提供直观的界面。

Palantir提供的LLM示例 - 不同堆栈间的可用性可能不同

使用示例

例如，以下代码展示了如何使用GPT_4模型编写一个自定义Typescript函数，以对提供的文本运行简单的情感分析。

Copied!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import { GPT_4 } from "@foundry/models-api/language-models";

@Function()
public async sentimentAnalysis(userPrompt: string): Promise<string> {
    // 系统提示信息，指导模型如何判断情感
    const systemPrompt = "Provide an estimation of the sentiment the text the user has provided. \
    You may respond with either Good, Bad, or Uncertain. Only choose Good or Bad if you are overwhelmingly \
    sure that the text is either good or bad. If the text is neutral, or you are unable to determine, choose Uncertain."

    // 创建系统和用户消息对象
    const systemMessage = { role: "SYSTEM", content: systemPrompt };
    const userMessage = { role: "USER", content: userPrompt };

    // 使用GPT-4模型进行聊天补全
    const gptResponse = await GPT_4.createChatCompletion({messages: [systemMessage, userMessage], params: { temperature: 0.7 } });

    // 返回模型的情感判断结果，若无法判断则返回"Uncertain"
    return gptResponse.choices[0].message.content ?? "Uncertain";
}

有关用法和示例的更多信息，请查看函数中的语言模型的文档。

Pipeline Builder中的文本到嵌入面板

Pipeline Builder现在包括一个强大的新的文本到嵌入面板。嵌入是文本的密集向量表示，旨在捕捉文本中单词或短语的语义意义，以供LLM处理。嵌入将文本转换为可以由LLM处理的数值形式。

这种数值表示（嵌入）允许基于上下文相似性而不仅仅是语法相似性来比较文本数据。例如，在比较“cat”、“dog”和“balloon”这几个词时，嵌入可以帮助确定“cat”和“dog”在意义上更为相关，而不是“cat”和“balloon”，并利用这种理解来推动高级文本分析和操作。

在Pipeline Builder中使用嵌入对于涉及语义搜索的工作流特别有利，因为它允许LLM通过评估向量相似性来执行更有效、更细致和更准确的搜索。

示例用法

该面板将以一个字符串列作为输入，并使用Palantir提供的text-embedding-ada-002模型创建一个嵌入向量。

文本到嵌入面板配置

然后可以将这些嵌入添加到Ontology中作为一个嵌入向量属性，并在下游的LLM驱动的工作流中使用。

在工作流中使用嵌入

了解更多

要了解上述功能的更多信息，请查看以下文档：

• 管理通过控制面板启用AIP功能
• 学习如何在Python变换中使用语言模型
• 学习如何在函数中使用语言模型
• Pipeline Builder中的嵌入

---

其他亮点

Foundry开发者控制台

发布日期：2023-12-12

在开发者控制台中导出OpenAPI规范 | 用户现在可以生成并以YAML文件格式导出其开发者控制台应用程序的OpenAPI规范。此功能可以通过重命名的SDK生成选项卡访问，之前称为版本历史。

Marketplace

发布日期：2023-12-12

改进的Marketplace产品图像对齐和设计 | Marketplace产品页面现在具有改进的产品图像对齐和增强的设计。

应用搭建 | Workshop

发布日期：2023-12-12

更快的嵌入模块加载以支持大型模块 | 此更新显著提高了Workshop中非常大的嵌入模块的加载时间。使用大型模块的用户将体验到最多快5倍的加载时间。

数据集成 | 代码仓库

发布日期：2023-12-12

高级拉取请求审批策略 | 引入了一种用于配置拉取请求审批的细粒度规则系统。通过高级PR审批策略，现在可以根据修改的文件指定哪些用户或组应批准PR。策略既可以在YAML中编辑，也可以使用交互式审批策略编辑器编辑。

策略随后应用于新创建的拉取请求。必需的审批者将在新的用户界面中显示，显示哪些规则已满足以及仍需多少审批。

要开始使用此功能，请创建一个受保护的分支，然后在代码仓库的设置窗格中的分支选项卡中编辑策略。

Marketplace

发布日期：2023-12-12

Marketplace建模集成现已普遍可用 | Marketplace建模集成现已普遍可用，使用户能够打包容器化可执行文件，封装各种功能逻辑，如机器学习、预测、优化、物理模型和业务规则。

管理 | 控制面板

发布日期：2023-12-12

针对AWS托管堆栈的增强出口策略 | 在AWS托管堆栈上的用户现在可以创建出口策略到他们在同一区域拥有的S3桶，从而提供对数据访问的更多控制。请注意，未来的更新将通过根据桶的区域提供清晰的政策适用性反馈来改善用户体验。

对象监控

发布日期：2023-12-12

增强的自动化查看和编辑模式 | 对象监控应用程序现在在自动化标题中具有改进的视图模式选择器，提供用户更多选项以在自动化编辑和查看模式之间切换。执行模式选择更加明显，自动化条件图标已合并，以改善用户体验。

数据集成 | 代码仓库

发布日期：2023-12-12

Spark模块运行时升级到Spark 3.4 | Foundry的Spark模块运行时已升级到Spark 3.4，为用户提供最新的性能和安全增强。这次升级适用于所有版本高于以下版本的模块：Python 1.975.0，Java 1.997.0和SQL 1.861.0。用户无需采取任何操作，模块将自动升级。

Foundry开发者控制台

发布日期：2023-12-12

开发者控制台中的API词元创建 | 用户现在可以在开发者控制台中生成长效API词元，以供个人使用和CI/CD工作流使用。初始功能允许在SDK文物仓库和Foundry SDK资产包上安装具有文物读取范围的SDK。通过应用SDK设置页面或通过入门说明访问创建API词元对话框。

对象监控

发布日期：2023-12-12

增强的对象监控功能 | 此更新为对象监控应用程序带来了多项增强。用户现在可以在登陆页面查看过去28天的失败事件，从而更好地了解最近的问题。此外，还增加了更多删除自动化的选项，使得管理和维护工作流更加容易。操作菜单已重新组织，将自动化选项移到单独的菜单中以便于访问。最后，评估延迟信息得到了改进，具有更清晰的措辞和为对象添加和删除时间条件组合提供了提示。

安全 | 项目

发布日期：2023-12-05

增强的项目联系人选择 | 无联系方式的用户和组现在可以被添加为项目联系人，增强项目管理的灵活性。更新的界面为没有电子邮件地址的用户和没有联系方式的组显示适当的UI。

应用搭建 | Workshop

发布日期：2023-12-05

带有关键词搜索的新PDF查看微件 | Workshop的PDF查看微件现在普遍可用，具有关键词搜索功能，并在匹配时自动滚动。此增强通过手动或基于变量的输入改进了PDF工作流。

管理 | 控制面板

发布日期：2023-12-05

在控制面板中公开云运行时出口IP | 用户现在可以直接在控制面板中访问云运行时出口IP地址，使得为API和云源设置入口筛选更加容易。此更新为用户提供了一种更具上下文和便利的方式来获取其云运行时所需的IP地址。

安全 | 项目

发布日期：2023-12-05

支持Vertex和Vortex本体依赖关系 | 项目现在支持Vertex和Vortex本体依赖关系，增强了本体访问检查器功能以实现更高效和准确的本体管理。

数据集成 | 代码仓库

发布日期：2023-12-05

在代码仓库中作为函数输入的附件 | 用户现在可以上传附件以用作代码仓库中的函数输入，为在实时预览和已发布函数中使用附件提供了更加无缝的工作流。要开始使用，请添加一个具有附件或附件[]输入类型的函数，然后打开实时预览选项卡以上传附件。您可以查看有关使用函数时可用的输入和输出类型的文档。

Ontology | Ontology管理

发布日期：2023-12-05

Ontology管理的操作日志需求切换 | 在Ontology管理器中引入新的需要操作日志切换。当启用时，编辑指定对象类型的任何操作都需要操作日志规则，确保对该类型对象的所有编辑都被记录，以提高可见性和可追溯性。