本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 从事件驱动到认知增强系统
<a name="from-event-driven-to-cognition-augmented-systems"></a>

现代云架构，尤其是那些基于无服务器和事件驱动原则的云架构，传统上依赖路由、扇出和丰富等模式来创建响应迅速、可扩展的系统。Agentic AI 系统建立在这些基础之上，同时围绕法学硕士增强推理和认知灵活性对其进行重新构建。这种方法允许更复杂的问题解决和自动化功能，有可能彻底改变云环境中处理复杂任务的方式。

## 事件驱动型架构
<a name="event-driven-architecture"></a>

下图显示了一个典型的分布式系统：

![具有数据丰富功能的事件驱动架构。](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/agentic-ai-patterns/images/event-driven-architecture-with-data-enrichment.png)


1. 用户向 Amazon API Gateway 提交请求。

1. Amazon API Gateway 会将请求路由到一个 AWS Lambda 函数。

1. AWS Lambda 通过查询 Amazon Aurora 数据库来进行数据扩充

1. Amazon API Gateway 会将充实的有效负载返回给调用方。

这种结构既可靠又可扩展，但它基本上是静态的。必须对业务规则和逻辑路径进行明确编码，适应不断变化的上下文或不完整信息是有限的。

## 认知增强工作流程
<a name="cognition-augmented-workflows"></a>

Agentic 架构为事件驱动的系统增加了认知增强功能。下图显示了代理等效物：

![认知增强工作流程。](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/agentic-ai-patterns/images/cognition-augmented-workflow.png)


1. 用户通过 SDK 或 API 调用提交查询。

1. Amazon Bedrock 代理收到查询。

1. 代理通过调用 LLM 来解释查询

1. 代理通过搜索 Amazon Bedrock 知识库或其他外部数据源来进行语义扩充。

1. 法学硕士综合了上下文丰富、目标一致的回应。

1. 系统向用户返回合成响应。

在此流程中，法学硕士使用逻辑，了解意图，检索并组合相关上下文，然后决定如何最好地做出响应。这种模式反映了传统的扩充模式，即消息在进一步路由之前先用外部数据进行扩充。但是，在代理系统中，这种浓缩并不是一种静态的查找。相反，丰富是动态的、语义指导的，由目的驱动。

## 核心见解
<a name="core-insights"></a>

每个 LLM 工作流程都可以映射到代理工作流程模式，该模式反映并演变了传统的事件驱动架构风格。代理工作流程的一个基本组成部分是能够使用数据、工具和内存来增强法学硕士的上下文。这会创建一个明智、自适应且符合用户意图的推理循环。传统系统通过查找数据来丰富消息，而代理系统使软件的行为与其说是脚本，不如说是智能协作者。