AWS发布基于托管Amazon Bedrock知识库的智能体检索解决方案

摘要：AWS推出基于托管Amazon Bedrock知识库的智能体检索解决方案，通过引入AgentCore Gateway和AgenticRetrieveStream API，实现多知识库语义路由、推理驱动的检索流程，并提供七层可观测性和即席与持续评估能力。该方案以AWS CDK应用形式部署，简化了复杂企业级检索系统的构建与运维流程。

---

核心突破

AWS此次发布的智能体检索解决方案基于托管的Amazon Bedrock知识库，核心突破包括：

1. Agentic Retrieval（智能体检索）：通过AgentCore Gateway和AgenticRetrieveStream API，智能体能够跨多个知识库进行语义路由，并根据查询需求动态选择检索源，最终返回引用来源的合成答案。

2. 托管知识库的优势：Amazon Bedrock的托管知识库消除了对向量数据库的依赖，涵盖数据摄取、存储、索引和检索的全流程管理，简化了系统架构并降低了运维成本。

3. 七层可观测性：该方案集成了Amazon CloudWatch和AWS X-Ray，提供从基础指标到检索质量、Token使用量以及评估得分的全面监控，确保系统行为透明且可追溯。

4. 即席与持续评估：通过内置的评估机制，用户可以实时监控检索质量，并通过持续采样分析系统性能，确保其在生产环境中的可靠性。

技术机制剖析

该解决方案的核心在于AgentCore Runtime和AgentCore Gateway的协同工作。AgentCore Runtime负责接收用户查询并启动智能体推理流程，而AgentCore Gateway则作为中介，将查询路由到相应的知识库工具。AgenticRetrieveStream API在托管知识库内执行检索任务，通过多轮迭代检索和结果合成，最终返回结构化的答案。

在架构上，解决方案采用AWS CDK部署，包含四个主要堆栈：“大脑堆栈（KnowledgeBasesStack）”、“网关堆栈（AgenticGatewayStack）”、“智能体堆栈（AgentRuntimeStack）”和“可观测性堆栈（DashboardsStack）”。这种设计通过构造引用自动管理跨堆栈依赖关系，简化了部署流程。

工程权衡与实测表现

• 优势：

  • 托管知识库消除了对向量数据库的运维需求，降低了成本。
  • Agentic Retrieval提升了复杂查询的答案质量和系统灵活性。
  • 七层可观测性为系统行为提供了全面的洞察力。

• 挑战：

  • 智能体检索的复杂性增加了系统调试和性能优化的难度。
  • 持续评估机制可能带来额外的计算开销，需要在成本与性能之间进行权衡。

开发者落地与部署建议

1. 数据准备：将企业数据组织成结构化的知识库格式，并上传到Amazon S3。
2. 配置调整：根据需求调整config.py中的设置，如项目名称、区域、模型类型等。
3. 部署流程：使用CDK CLI执行cdk deploy --all命令，自动化完成所有堆栈的部署。
4. 测试与验证：运行提供的驱动book，验证智能体检索的性能和可观测性指标。
5. 持续优化：根据监控数据调整检索策略和模型参数，以提升系统性能。

结论

AWS通过托管知识库和智能体检索的结合，为企业级检索系统提供了更高效、更灵活的解决方案。其全面的可观测性和评估机制确保了系统的可靠性和可维护性，为AI驱动的企业应用开辟了新的可能性。

---

消息来源：AWS Machine Learning Blog (2026-10-26)

—— 完 ——

主题标签： #AWS 关注 #Bedrock 关注 #Agentic Retrieval 关注 #Managed Knowledge Base 关注 #Observability 关注