首页/详情

Amazon Bedrock AgentCore与Knowledge Bases:构建生产级智能会议助手,实现个性化体验与规模化部署

AWS Machine Learning Blog2026/02/26 03:51机翻/自动摘要/自动分类
4 阅读

内容评分

技术含量
8/10
营销水分
6/10

摘要

本文详细介绍了如何利用 Amazon Bedrock AgentCore 和 Knowledge Bases 快速构建一个生产级的智能会议助手。该方案通过 AgentCore Memory 实现对话上下文与长期偏好记忆,AgentCore Identity 提供企业级身份认证,AgentCore Runtime 确保无服务器扩展与会话隔离,并结合 Knowledge Bases 实现检索增强生成(RAG)以管理活动数据。最终构建的助手能提供个性化、上下文感知的参会体验,具备企业级安全性、高并发支持及可靠性能,显著减少基础设施开发时间,帮助企业将AI助手从原型快速推向生产环境。

正文

大型会议和活动信息量巨大,涵盖数百场会议、研讨会、演讲者资料、场地地图及实时更新的日程。尽管基础AI助手能回答简单问题,但它们往往难以提供参会者在复杂多日会议中所需的个性化、上下文感知导航。更具挑战的是,将这类原型从演示推向生产环境,并确保企业级安全、支持数千并发用户及稳定性能,通常需耗费数月的基础设施开发。

本文将演示如何利用 Amazon Bedrock AgentCore 的核心组件,快速部署一个生产级的智能活动助手。我们将构建一个能记忆参会者偏好并逐步提供个性化体验的助手,而 Amazon Bedrock AgentCore 则负责处理其在生产环境中的部署挑战:

  • Amazon Bedrock AgentCore Memory:负责维护对话上下文和长期用户偏好,无需自定义存储方案;
  • Amazon Bedrock AgentCore Identity:提供安全的多身份提供者(IDP)认证支持;
  • Amazon Bedrock AgentCore Runtime:实现无服务器扩展和会话隔离。此外,我们还将利用 Amazon Bedrock Knowledge Bases 管理)功能及活动数据。

通过本文,您将学习如何部署一个能随每次互动变得更智能的助手——它不仅能确保参会者找到最有价值的会议内容,还具备企业级安全性和可靠性,同时免除您管理基础设施的负担。

如果您是 Amazon Bedrock AgentCore 的初学者,建议在深入实践前,先阅读以下博客文章以掌握其基础知识:

解决方案架构: 接下来,我们将探讨这个智能活动助手的架构和工作流程。完整的实现代码及指导性笔记本已发布在 GitHub 仓库 中,您可以参照其指引在自己的 AWS 账户中部署此解决方案。

解决方案的工作原理:

  1. 用户登录和身份验证: 用户通过 Amazon Cognito(AgentCore Identity 同时支持 Okta、Auth0 及其他符合 OIDC 标准的身份提供者)登录应用程序。认证成功后,Cognito 会生成一个包含用户信息的承载令牌(bearer ),该令牌将在后续工作流程中用于身份验证和获取用户特定数据。
  2. 助手调用和初始化: 当用户与应用程序交互并提交查询时,应用程序会使用用户的查询、会话 ID(如 SessionA)以及来自 Amazon Cognito 的承载令牌这三个关键参数调用 Amazon Bedrock AgentCore Runtime。AgentCore Identity 会对用户进行身份验证和授权,以允许其访问助手。在首次交互时,Strands Agent 会在 Amazon Bedrock AgentCore Runtime 中初始化,并从 Amazon Bedrock AgentCore Memory 的长期存储中检索用户的偏好信息,从而为后续对话建立个性化上下文。
  3. 消息处理: 助手会将用户和助手的消息存储在 Amazon Bedrock AgentCore Memory 的短期存储中,其中包含 actor_idsession_idactor_id 是从 Amazon Cognito 承载令牌中提取的子标识符(sub identifier)。对话上下文仅对当前会话中的特定用户可见。在后台,Amazon Bedrock AgentCore Memory 通过预设的记忆策略自动处理这些对话事件。每种记忆策略都利用模式识别和自然语言理解,分析原始对话数据,识别并提取出有价值的长期保留信息(如用户偏好)。系统会将这些提取的信息结构化为标准化的记忆记录,添加相关元数据,并存储在长期记忆的专用命名空间中,以便助手在多次会话中持续优化对用户的理解。
  4. 知识和信息检索: 为满足用户需求,助手可能会触发专门工具(例如 Amazon Bedrock 知识库)来获取最新的活动详情,如会议描述、日程安排或演讲者简介等。
  5. 响应生成: 助手结合三层上下文处理用户查询:来自长期记忆的见解(用户的个性化历史记录)、短期记忆中的最新消息,以及知识库中的当前活动数据,从而生成高度个性化的响应。这种架构能将“我明天应该参加哪些会议?”这类简单查询,转化为助手回忆用户过往兴趣点、结合当前对话内容,并给出符合其兴趣的推荐的个性化体验。

解决方案组件: 现在让我们了解解决方案中每个组件的作用:

  • AgentCore Runtime 和身份集成: Amazon Bedrock AgentCore Runtime 是我们活动助手解决方案的核心,它提供了一个安全、无服务器的环境来托管助手。Runtime 管理用户交互的整个生命周期,每个会话都在独立的微虚拟机(microVM)中运行,拥有独立的 CPU、内存和文件系统资源。这种会话隔离确保了数千名参会者可以同时与个性化的助手实例进行交互,而不会导致会话间的数据混淆。
  • 安全性和身份验证: 安全性和身份验证由 Amazon Bedrock AgentCore Identity 处理,该服务与 Amazon Cognito(及其他 IDP)无缝集成。当参会者向活动助手发送查询时,AgentCore Identity 会验证来自 Cognito 的承载令牌,随后助手利用该令牌调用 Cognito 发现服务器,提取用户的子标识符(sub)及其他相关信息。这种身份感知机制确保了每位参会者的偏好、对话历史和会话数据保持私密和安全。
  • 助手内存: Amazon Bedrock AgentCore Memory 提供了关键的上下文感知能力,使我们的活动助手从一个简单的问答工具转变为真正的个性化指南。该服务结合了短期记忆和长期记忆,使参会者与助手之间能够建立持续、动态的关系。

总结: 本文详细阐述了如何利用 Amazon Bedrock AgentCore 组件,将活动助手从原型快速迭代至可大规模部署的生产环境。尽管构建智能对话助手有多种工具可选,但真正的挑战在于生产环境的部署。Amazon Bedrock Knowledge Bases 和 Amazon Bedrock AgentCore 的价值在于提供了开箱即用的管理服务,涵盖身份验证、扩展性、内存管理和)等核心功能,极大地简化了基础设施工作。最终,我们得到的活动助手能够记忆用户过往偏好(例如对无服务器技术的兴趣),并据此提供个性化建议。无论您是规划小型企业聚会还是大型多日会议,Amazon Bedrock AgentCore 都能在数日内提供所需的基础设施,助您快速部署智能辅助系统。

下一步: 希望进一步优化您的活动助手?以下是一些扩展方法:

  • 使用 AgentCore Gateway 扩展功能: Amazon Bedrock AgentCore Gateway 可帮助您将活动助手连接到更多工具和服务,例如与活动注册系统集成、通过 Slack 发送通知或连接到 Salesforce 追踪潜在客户。
  • 查看 GitHub 仓库: 访问 GitHub 仓库,其中包含详细的实现步骤、示例代码和部署指南,您可以在自己的 AWS 账户中部署该解决方案。

关于作者: Dani Mitchell 和 Sergio Garcés Vitale 是 Amazon Web Services 的高级生成式 AI 专家架构师,他们专注于利用 Bedrock AgentCore 和 Amazon Bedrock 帮助全球企业加速其生成式 AI 之旅。Akarsha Sehwag 是 Amazon Bedrock AgentCore 团队的生成式 AI 数据科学家,拥有丰富的 AI/ML 经验。

标签