北京
作者在Udacity的Future AWS Agent Engineer纳米学位项目里完成了第二个AI智能体项目，这是他第一次用Amazon Bedrock AgentCore和Strands SDK动手。项目目标是构建一个客服AI智能体，能够追踪订单、处理退款、使用知识库回答产品和政策问题、跨会话记住客户信息、用代码计算忠诚度折扣，以及浏览实时网站。
纸面上，这是六个功能。实际上，它意味着把AgentCore Runtime、AgentCore Gateway、Lambda、API Gateway、Knowledge Base、Memory、Code Interpreter、Browser Tool、IAM、部署和CloudWatch连成一套能跑的系统。
卡住的不是AI，是连接
作者说，单独看这些名字，没有一个是无法理解的。放在一起，就变成了一大堆。这大概是学云和AI系统最难的地方：每个词你都认识，但不知道它们该怎么连起来。
一开始他想在动手前把整个架构搞明白。结果越是想一次全懂，越是觉得压得喘不过气。后来他换了个问法，不再问“我怎么才能理解整个项目”，而是问“我下一个需要理解的东西是什么”。项目从这一步开始变得可推进。
真正的转折点，是他不再把项目看成一串AWS服务名，而是去看每一块到底承担什么工作。AI模型负责理解客户请求、根据指令和可用工具决定做什么，项目里用的是Amazon Bedrock上的Amazon Nova 2 Lite。Strands SDK提供构建智能体的框架，把它的行为和需要的工具、能力接起来。
基础设施那层负责让智能体真的能做事。AgentCore Runtime是部署后的智能体运行的地方，AgentCore Gateway负责智能体和后端之间的连接。
六个能力，其实是六种不同的问题
作者把六个能力拆开看，发现它们各自要解决的根本不是同一类问题：
- 订单追踪：把真实数据带回给客户
- 退款处理：智能体需要执行一个动作
- 知识库：模型知道，不等于应用知道
- 记忆：一段新对话并不是真的从零开始
- 代码解释器：让模型做决定，让代码做计算
- 浏览器工具：信息不在你的应用内部时怎么办
这个拆法本身就说明了问题。订单追踪是取数，退款是动作，知识库是知识边界，记忆是跨会话状态，代码解释器是分工，浏览器工具是外部信息。它们需要的基础设施各不相同，项目有意思的地方也在这里。
作者还专门画了架构图，因为需要亲眼看见它。代码写对了，不代表你就有权限访问它。部署也不是终点。他没有用一个大而全的“它能跑吗”来验收，而是拆成六个测试，比一次性验证整个系统容易得多。
还有一层他之前没想够：系统的运维。以及，一个项目到底什么时候才算真的做完。
回头看，作者说，等一切都跑通之后再看架构，每一部分在做什么都清清楚楚。但最开始不是这样。而“智能体”这个词，也在这个过程中不再只是一个AI热词——他能在一个真实运转的系统里，看见它到底指什么。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
