2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！
通过一系列的创新，Snowflake 帮助开发者摆脱在零散工具和窗口之间频繁切换的负担，真正把精力集中在创造价值上，不断拓展现代应用开发的边界，迈向由智能体驱动的 AI。从近期推出的 Workspaces，到今天正式发布、融入多项突破性能力的 AI 编程助手 Cortex Code，Snowflake 始终坚定推进一个愿景：打造一个内置 DevOps 的单一集成开发环境。
借助 Cortex Code，简化数据原生构建
当下，每一位数据从业者，无论其角色定位或技术背景如何，都被期望具备“构建”的能力。尽管可用工具层出不穷，但端到端的数据工作流程依然复杂、耗时。究其原因，在于通用型工具并非原生面向数据设计的，缺乏与数据生态系统的深度、无缝协同，最终使开发者及其所在组织难以跟上真正保持领先所需的创新节奏。
为帮助开发者更快、更准确地编写代码，Snowflake 推出了 Cortex Code。这是一款 Snowflake 原生的 AI 编程助手，致力于将复杂的数据工程、分析、机器学习以及智能体构建任务，转化为简单、信息充分且高精度、高可信度的自然语言交互体验。尽管第三方通用编程助手功能强大，但无法原生理解
Snowflake 的元数据、目录信息以及基于角色的访问控制，而这些正是实现情境感知型自动化工作流程的关键所在。相比之下，Cortex Code 从设计之初就面向整个数据生命周期，内建企业级治理与可靠性，专为加速数据工作的每一个环节而生。
这种深层次的平台智能，为整个组织带来了广泛而直接的价值：
显著加速从开发到投产的节奏，使数据工程、高级分析以及智能体和应用程序的开发更加高效；
赋能从技术专家到非技术团队的各类用户，让更多人能够有信心地基于数据进行构建；
简化复杂任务、支撑精密工作流程，在整体上显著提升了生产力。
Cortex Code 的设计目标，是与整个 Snowflake 生态系统实现无缝协作。无论开发者身处何种工作场景，针对 Snowflake 的不同产品体验和开发环境，Cortex Code 都能够自然融入既有流程，而非强行引入新的工作方式。开发者既可以通过 Snowsight 中的 Cortex Code 在 Snowflake 平台内使用该能力，也可以借助 Cortex Code CLI，在自己偏好的终端或代码编辑器中（如 VS Code 或 Cursor）进行开发。
日本电通产品工程主管 Joe Tobey 表示：“我们所处的行业，对高质量、数据驱动型营销解决方案的需求正在快速增长。为了跟上这一节奏，我们需要能够在高效扩展的同时，持续保持一致性和治理能力的工具。Cortex Code CLI 与我们团队的工作方式高度契合，使团队能够更快地将数据与不断变化的业务需求，转化为 Snowflake 上由 AI 驱动的解决方案，帮助我们满足持续增长的市场预期，而无需打乱既有工作流程。”
Cortex Code 提供了一套丰富的内置与可扩展技能体系，覆盖专家级 Snowflake 工作流程，实现从设计、实施到优化与运维的端到端自动化。平台级智能与技能驱动的执行机制相结合，显著缩短了从创意到生产的距离，即便是在高级、复杂的使用场景中亦是如此。借助 Cortex Code，Snowflake 的专业能力被内化为平台的默认能力，让每一位用户都能更快、更自信地进行构建。
通过内置 DevOps 有效管理项目并协作
AI 的普及，已经显著降低了软件构建的门槛，但交付企业级应用的门槛依然不低。Snowflake Apps 正是通过从根本上改变开发的“地理格局”，打破这一长期存在的矛盾。如今，几乎任何人都可以使用自己本就熟悉和喜爱的开放框架与生态系统，在短短几分钟内将创意转化为应用。依托 Snowflake 的统一平台，开发者可以直接构建企业就绪的应用，而无需承担由零散基础设施或脆弱 ETL 管道带来的额外集成负担。
得益于与 Vercel v0 的全新集成，用户只需通过自然语言描述，即可创建应用。这些应用会自动连接至 Snowflake 数据，并通过 Snowpark Container Services 直接运行在任一安全的 Snowflake 账户中。由于应用构建在数据所在之处，它们天然继承了 Snowflake 的安全与治理能力，使开发者能够绕过传统的安全瓶颈。无论是构建内部工具，还是通过 Snowflake Marketplace 分发面向客户的解决方案，Snowflake 都为用户提供了从单一提示到生产级应用的完整基础。
对于经验更为丰富的开发者，Snowflake 还支持通过 Cortex AI 函数，调用行业领先的大型语言模型，对文本和图像等非结构化数据进行分析。这些函数可通过 SQL 或 Python 调用，使开发者能够在数据原生环境中应用 AI，并利用自己早已熟练掌握的语言，大规模处理和分析多模态数据。
便捷获取前沿 AI 工具，是 Snowflake 赋能开发者的核心承诺之一。通过提供世界级工具以及与众多第三方供应商的深度集成，Snowflake 致力于让开发者享有充分的选择自由，同时避免供应商锁定和不必要的复杂性。
这一切始于 Workspaces，这是一个用于端到端数据项目开发的统一环境，覆盖从 SQL 和 Python 编写，到多种项目类型的管理，例如 Snowflake 上的 dbt 项目和 Snowflake Notebooks v2。Snowflake Notebooks v2 采用全新的底层引擎，提供 Jupyter Notebooks 兼容性、更优性能、与 Workspaces 的深度集成，以及高级机器学习支持。
我们现已推出共享 Workspaces，使团队能够在同一环境中协作，每位成员都可访问共享工作空间，同时仍保持严格的安全性和访问控制。Snowflake 与 Git 的深度集成，通过 OpenID Connect 保护整个基础设施，为所有 Snowflake 对象提供版本控制与无缝协作能力。开发者可使用任何支持 Git 的平台，包括本地托管方案；GitHub Actions 也获得全面支持，用于构建完整的持续集成与持续部署解决方案。
Git 集成同样支持开发者使用自己最偏爱的 IDE 管理 Snowflake 的各个方面。VS Code 集成意味着，开发者可以在熟悉的环境中完成全部工作，并轻松与团队成员共享成果。Snowflake CLI 提供了一套完整的命令行界面，用于直接构建和管理 Snowflake 对象，并可通过任务机制实现自动化执行，无论是一次性运行，还是按计划调度。
鉴于 FinOps 已成为开发团队职责中不可或缺的一部分，Snowflake 提供了相应工具，帮助用户轻松监控平台使用情况，并识别提升效率、降低成本的空间。结合 Cortex Code 与 Snowsight 仪表板，用户可以查询最常被使用的 SQL，并由 Cortex Code 给出优化建议，从而持续提升整体实现效率。
面向所有人的世界级环境
开发者真正想要的可以归结为三样东西：使用熟悉的工具进行构建；使用规范化流程以受管控的方式管理项目；以及简化 AI 工作流程以提高效率。
Snowflake 正是在这三个方面持续投入、不断完善。凭借一个支持 SQL、Python 和 Scala 以及各种项目类型的集成开发环境，Snowflake 赋能开发者以他们想要的方式进行开发，然后使用能够实现理想 DevOps 和 CI/CD 实施的集成工具与他人连接。我们不断增长的工具和功能套件旨在让所有人更轻松、更高效地利用 AI 进行构建，以及为 AI 而构建 。
如果想要尝试，可参考以下文档探索具体功能：
原文地址：https://www.snowflake.com/en/blog/agentic-ai-developer-platform/
点击链接立即报名注册：Ascent - Snowflake Platform Training - China，更多 Snowflake 精彩活动请关注专区。
