我建了第一个 AWS 智能体工作流：最难的是让它别自作主张
来源：dev.to — 2026-09-04
📋 概述
作者用两天时间基于 Amazon Bedrock AgentCore、Gateway、Lambda、DynamoDB 和 FAQ 搭了一个客服智能体，首次评估即通过（正确率 0.83）。真正的收获来自一次失败：用户报 bug 时本应收集「问题描述、复现步骤、运行环境」三要素再建 ticket，但两个测试用例里模型听懂了用户意思就直接建票，漏掉了其中一项必填信息。这让她意识到一个此前没想透的道理——理解一段请求，不等于拥有安全执行某个动作所需的全部信息。
🔑 核心要点
- 智能体的路由逻辑被写进系统提示词而非独立的分类器/条件节点，由模型直接判断 BUG_REPORT / PLATFORM_QUESTION / OTHER_REQUEST 三种去向
- 最大的教训是「schema 校验应该放在提示词之外」：理解请求与拥有足够信息去安全行动是两回事，缺信息时应提问而不该替用户补全
- 看清后端让 Agent 变得好懂：模型理解消息、提示词定规则、Gateway 连接工具、Lambda 执行写库、DynamoDB 存结果——Agent 的回复背后是真实存在的记录
- 平台类问题必须从受控的 FAQ 取答案，而不是凭模型通用知识编造；边界之外的请求一律转人工
- 评估驱动改进：0.83 的正确率里，那两处不完美恰恰是最有价值的学习点，错误类型比通过本身更有信息量
- 构建 Agent 不只是让模型能回答，还要在「何时行动、何时追问、何时停下转给人」之间划清楚界限
💡 金句
理解一段请求，不等于拥有足够的信息去安全地采取行动。
👍 0
👎 0
← 返回 dev.to 首页