AWS发布Amazon Bedrock AgentCore Web Search，助力Norton Revamp打造AI驱动的新闻引擎

摘要：AWS推出Amazon Bedrock AgentCore Web Search，为Gen Digital的Norton Revamp平台提供实时、基于引用的新闻内容推荐功能。该平台通过AgentCore Web Search实现对用户专业领域的实时内容更新，支持智能内容建议、目标设定和个性化新闻推送，同时确保零数据外泄和Norton级别的隐私保护。该技术展示了AI在专业声誉管理领域的应用潜力，并体现了云服务对AI产品开发效率的提升。

---

核心功能与架构

Norton Revamp是一款由Gen Digital开发的生成式AI驱动的专业声誉管理平台，其核心是一个由Amazon Bedrock AgentCore Web Search驱动的AI新闻引擎。该引擎能够实时抓取并整合用户专业领域内的最新资讯，为用户提供个性化的新闻推送、智能内容建议以及目标设定功能。

技术架构

该平台采用事件驱动架构，用户设定或更新目标时，Amazon Nova通过Amazon Bedrock生成基于目标的搜索查询。AgentCore Web Search在AWS环境中返回相关结果，并由AI学习系统对结果进行相关性、新鲜度和来源可信度排序，最终为内容生成提供上下文支持。

核心功能

1. AI驱动的新闻推送：基于用户目标，实时更新并推荐与用户领域相关的最新文章和趋势话题。
2. 智能内容建议：根据当前趋势生成符合用户风格的内容建议，并提供AI生成的可视化素材。
3. 目标设定与趋势感知：用户定义目标后，系统结合实时趋势数据生成个性化路线图，并动态调整建议以适应用户成长。

工程实践与权衡

在开发过程中，团队采用AI原生开发思维，将生成式AI融入产品与开发流程。AI负责代码生成、文档编写、测试脚手架、代码重构和UI组件创建，而人类工程师则专注于架构决策、安全审查、业务逻辑和个性化算法设计。

• 优势：AI加速了开发速度，代码生成效率提升3倍，UI代码生成占比达70%，测试创建效率提升70%。
• 挑战：AI输出需要人工审核，占用了20-30%的时间。

安全与质量保证

平台实现了85%的代码覆盖率，重点测试领域包括内容生成质量、AgentCore Web Search结果的相关性和新鲜度、用户参与跟踪的准确性、游戏化逻辑以及新闻推送与用户目标的契合度。安全措施包括静态代码分析、依赖项漏洞扫描、身份验证流程、用户数据加密、访问控制逻辑、AI模型输出验证和内容过滤。

最佳实践

1. 优化查询生成：结构化的查询比开放性查询更容易获得精准结果，因此团队在提示工程上投入了大量精力。
2. 战略性缓存：实时性是重点，但并非所有查询都需要每次会话重新执行。通过设置TTL值来平衡新鲜度与效率。
3. 构建反馈循环：跟踪用户对搜索结果的参与度，并将信号反馈给查询生成系统，以提高新闻引擎的相关性。
4. 验证来源质量：AgentCore Web Search返回来源URL和发布日期，团队构建了轻量级的可信度评分层以优先考虑权威来源。

结论

Norton Revamp的推出证明了小型团队借助生成式AI可以在数月内交付企业级软件。Amazon Bedrock AgentCore Web Search作为实时智能后端，帮助产品保持与世界的同步。

开发者建议

对于考虑使用AgentCore Web Search的团队，建议重点关注查询生成、缓存策略、反馈循环和来源质量验证，以充分发挥其潜力。

---

消息来源：AWS Machine Learning Blog (2026-11-03)

—— 完 ——

主题标签： #AWS 关注 #AgentCore 关注 #AI新闻引擎 关注 #生成式AI 关注 #Norton Revamp 关注