本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 在 上實作代理式 AI 系統的成功模式 AWS
<a name="implementation"></a>

[企業 AI 採用狀態](https://isg-one.com/state-of-enterprise-ai-adoption-report-2025) (ISG 2025 報告） 顯示，成功實作 AI 的主要障礙不是技術能力，而是*學習差距*。此術語是指無法隨著時間調整、記住內容或改善的系統。實作靜態 AI 工具的組織會看到高故障率。以下是代理式 AI 系統取得成功的常見特性：
+ **內容記憶體** – 保留對話歷史記錄和使用者偏好設定的系統
+ **意見回饋整合** – 能夠從更正中學習並改善效能
+ **工作流程調整** – 自動調整以因應不斷變化的業務需求
+ **持續改進** – 透過營運體驗可衡量的增強功能

成功實作 AI 的組織通常會優先考慮下列事項：
+ 使用全方位的合作夥伴生態系統，而不是獨立建置和探索 AI 功能
+ 透過靜態工具支援學習的系統
+ 專注於技術功能比較的業務成果
+ 工作流程整合而非獨立工具
+ 持續適應而非一次性實作

這些模式符合許多 AWS 服務 功能，特別是 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) 中的基礎模型存取、 中的事件驅動型架構[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html)，以及透過 [Amazon CloudWatch](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html) 提供的完整監控。如需有關整合人類意見回饋和學習能力系統的詳細資訊，請參閱本指南中的[將人類意見回饋納入代理式 AI 系統](feedback.md)一節。