用途：为 Databricks 智能体模板配置 Lakebase（自动扩缩容的 PostgreSQL 持久化存储），支持三类场景——聊天 UI 的对话历史持久化（所有模板，纯 UI 侧）、会话内短期记忆（agent-langgraph-advanced、agent-openai-advanced）、跨会话长期记忆（agent-langgraph-advanced）。非记忆类模板的 Lakebase 仅用于聊天 UI 历史。
主要能力与用法：先添加依赖 databricks-langchain[memory] 并执行 uv sync；通过 postgres API 获取 project、branch 和数据库内部 ID（如 db-xxxx-xxxxxxxxxx，非 databricks_postgres）；在 databricks.yml 添加 postgres 资源（branch/database 用完整资源路径，permission 为 CAN_CONNECT_AND_CREATE）并在 config.env 配置 LAKEBASE_AUTOSCALING_ENDPOINT（value_from: postgres）、EMBEDDING_ENDPOINT、EMBEDDING_DIMS（如 databricks-gte-large-en 对应 1024）；本地开发写入 .env；执行 DATABRICKS_CONFIG_PROFILE=<profile> databricks bundle deploy；随后必须授予服务主体 Postgres 权限，先用 databricks apps get <app-name> --output json 取 service_principal_client_id，再运行 uv run python scripts/grant_lakebase_permissions.py <sp-client-id> --memory-type <langgraph|openai> --autoscaling-endpoint <endpoint>；最后执行 databricks bundle run {{BUNDLE_NAME}}。所有 databricks CLI 命令需带 --profile 或 DATABRICKS_CONFIG_PROFILE。
限制：跳过授权步骤会导致数据库迁移报权限错误；bundle deploy 只上传文件，必须 bundle run 才启动应用；embedding_dims 必须与 embedding 端点匹配；模板与 --memory-type 取值须对应；Python 退出时的连接池清理报错可忽略。其余细节以官方资料为准。