用途：在数据管道中直接对表列调用大模型推理，像使用 UPPER() 一样自然，适合批量富化、PII 脱敏、文档解析与 RAG 预处理。
主要能力：ai_analyze_sentiment 情感打分；ai_classify 固定标签路由；ai_extract 实体/字段抽取（≤128 字段、≤7 层嵌套）；ai_fix_grammar 语法修正；ai_gen 自由生成；ai_mask 脱敏（实体替换为 [MASKED]）；ai_similarity 语义相似度（0.0–1.0）；ai_summarize 摘要；ai_translate 翻译（支持 en、fr、de、hi、it、pt、es、th）；ai_parse_document 解析 PDF/Office/图片（DBR 17.3+，≤500 页/100MB）；ai_prep_search 文档分块（DBR 18.2+）；ai_query 调用任意服务端点作为兜底；ai_forecast 时间序列预测（表值函数）。
使用方式：有任务专用函数时优先使用，ai_query 仅在无合适函数时使用。ai_classify/ai_extract 返回 VARIANT，用冒号读取，如 ai_classify(...):response[0]::STRING。PySpark 中可在 expr(...) 内调用，用 selectExpr("col:response:field::STRING") 读取 VARIANT 字段。文档处理可串成阶段管道：ai_parse_document → ai_classify → ai_extract；RAG 管道为 ai_parse_document → ai_prep_search → Vector Search Delta Sync 索引，嵌入 chunk_to_embed，返回 chunk_to_retrieve。
限制：基线要求 DBR 15.1+（notebook）/15.4 ML LTS（批处理），不支持 SQL Warehouse Classic，区域需支持 AI Functions；每次调用都是一次计费推理，应每行调用一次并持久化到 Delta 表，避免下游重复调用；输入为 NULL 时返回 NULL，需先过滤；ai_translate 仅支持上述 8 种语言；ai_forecast 需 Pro 或 Serverless SQL Warehouse；ai_query 批量报错可用 failOnError => false 返回含 .response 与 .errorMessage 的 STRUCT；模型按 Apache 2.0 或 LLAMA 3.3 Community License 运行，合规由使用者负责。生产增量摄取可参考 databricks/bundle-examples 的 job_with_ai_parse_document。