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。

# 模式 2：使用 Amazon Bedrock 进行代理人工智能编排
<a name="pattern-agentic-ai-orchestration"></a>

当企业希望提高用户参与度、自动化内容密集型工作流程并构建更智能的助手时，他们面临着一系列常见的挑战：
+ **内容生成**是劳动密集型、不一致且速度缓慢的（例如，撰写营销文案、帮助文章、状态摘要）。
+ **用户界面**需要越来越个性化的对话体验，这是传统逻辑树所 FAQs无法支持的。
+ **开发人员难以**集成多个系统、检索相关信息以及实时呈现连贯的、情境丰富的响应。

传统的自动化工具可能很僵硬。他们遵循固定的规则，无法根据上下文、语言细微差别或用户语气调整输出。

## 代理人工智能编排模式：灵活、智能、目标驱动
<a name="section-pattern-agentic-orchestration"></a>

*代理人工智能编排*模式使用 Amazon Bedrock 将基于大型语言模型 (LLM) 的编排引入到无服务器架构中，允许基础模型 ()：FMs
+ 解释自然语言提示。
+ 调用工具或 APIs 根据需要调用。
+ 企业知识的基础产出。
+ 动态生成结构化、量身定制的内容。

借助 Amazon Bedrock 代理，编排变得自主且以目标为导向。法学硕士决定调用哪些工具、检索哪些信息以及如何制定最终回应。代理目标驱动的方法是 LLM 支持的数字助理、内容管道和智能接口的基础。

参考架构按如下方式实现每个层：
+ **事件触发器**-使用 [Amazon API Gateway](https://docs.aws.amazon.com/apigateway/latest/developerguide/welcome.html) 进行用户输入、聊天机器人消息或业务工作流程触发器
+ **预处理**-[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html)用于格式化输入并将意图路由到相应的 Amazon Bedrock 代理
+ **编排**-部署 A [mazon Bedrock 代理](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html)来解析提示、调用工具（例如 Lambda 和数据 APIs）以及检索知识库上下文
+ **推**理-使用代理调用 FM（例如 C Anthropic laude 或 Amazon Nova Pro）来生成响应
+ **后处理**-使用 Lambda 在交付前记录、验证或丰富输出
+ **输出**-向网页、应用程序提供响应，或将其存储在[亚马逊简单存储服务](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) (Amazon S3) 或[亚马逊 OpenSearch 服务](https://docs.aws.amazon.com/opensearch-service/latest/developerguide/what-is.html)中。

## 用例：自动生成营销内容
<a name="section-use-case-marketing-content"></a>

营销团队花费数小时撰写产品摘要、搜索引擎优化 (SEO) 片段以及跨多个地区和语言发布新产品的电子邮件副本。手动撰写文案成本高昂、速度慢且不一致。

对于此用例，生成式 AI 编排解决方案包括以下步骤：

1. 营销人员通过网络表单输入最少的产品详细信息，例如名称、功能和目标市场。

1. API Gateway 将输入路由到亚马逊 Bedrock 代理。

1. 代理会执行以下操作：
   + 查询知识库以了解品牌语气、现有产品描述和监管指南
   + 调用 Lambda 函数从内部获取竞争定位数据 APIs
   + 使用 Amazon Nova Pro 撰写本地化、品牌一致的商品描述

1. 生成的副本通过用户界面返回并存档在 Amazon S3 中，以保证质量和分发。

整个工作流程可在几秒钟内精心编排，具有完全的可追溯性和适应性。

## 为什么与 Amazon Bedrock Agents 进行协调很重要
<a name="section-orchestration-bedrock-importance"></a>

借助 Amazon Bedrock Agents，开发人员可以定义*工具和目标*，而不是复杂的工作流程。LLM 使用自然语言推动编排。

下表将传统编排方法与使用 Amazon Bedrock Agents 的代理 AI 编排进行了比较。


| 
| 
| **质询** | **传统的编排方法** | **Agentic AI 编排** | 
| --- |--- |--- |
| 非结构化输入 | 手动路由 | LLMs 解释含义和意图。 | 
| 工具协调 | 硬编码的集成逻辑 | 代理在运行时选择工具。 | 
| 内容生成 | 人为工作或模板 | 按需和自适应生成。 | 
| 个性化 | 静态规则或用户区段 | 基于语义和实时适应。 | 

## 法学硕士编排的治理注意事项
<a name="section-orchestration-governance"></a>

强大的编排伴随着责任。采用这种模式的企业应：
+ 版本和审阅提示、工具和代理配置。
+ 使用 [Amazon Bedrock 知识库实现基础](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html)。
+ 使用 IAM 角色控制代理对函数和数据的访问权限。
+ 启用日志记录和审核功能，以提高可审计性和信任度。

通过使用由 Amazon Bedrock 提供支持的生成式 AI 编排模式，企业可以超越聊天机器人和模板，进入情境化的自动智能领域。

从营销内容到支持回应，从内部沟通到产品文档，这种模式可以实现可扩展的创造力和决策。它提供了企业云环境所期望的可靠性、可观察性和安全性。

## 生成式 AI 编排模式的商业价值
<a name="section-orchestration-business-value"></a>

生成式 AI 编排模式在以下领域提供了价值：
+ **速度** — 将内容创建的周转时间从几小时缩短到几秒钟
+ **一致性** — 保持不同语言和团队对语气、指导方针和政策的遵守
+ **可扩展性**-使小型团队能够支持全球运营
+ **敏捷性**-可轻松适应新的内容类型或用户流
+ **成本效益**-减少对手动流程的依赖并降低 time-to-market