AWS 开源多智能体分析系统 Deep Insight:拆解多智能体投产的五个难题,按角色分配 Haiku、Opus、Sonnet
AWS 解决方案架构团队介绍开源多智能体系统 Deep Insight:用 Strands Agents 的图模式与“智能体即工具”控制执行流,按角色选择 Claude 模型,在 Bedrock AgentCore 上运行,并用 Fargate 临时容器隔离执行 AI 生成的代码。
AWS 解决方案架构团队在 AWS 机器学习博客发布系列文章第一篇,介绍其构建的生产级多智能体系统 Deep Insight。作者认为,借助开源框架和云服务,几天就能搭出一个看起来不错的智能体,但走向真实业务时常会遇到“智能体不遵循业务逻辑、跳过校验、漏掉边界情况”等问题,因此需要在提示词之外设计智能体的整体认知架构与执行流程。
Deep Insight 的任务是把复杂数据分析变成自动化洞察:输入 CSV 文件和自然语言要求,由协调者、规划者、计划审阅、主管、编码、校验、报告和进度跟踪等八个智能体协作,完成数据加载、分析、出图、核算校验,最终生成带引用的 .docx 报告。规划者用开启扩展思考的 Claude Opus 把任务拆成 5 到 10 个步骤的清单;计划审阅节点让用户确认或提出修改,Web 版在 300 秒无响应时自动批准;校验智能体会从源数据重新计算编码智能体留下的指标,误差在 0.01 以内才算通过。
文章归纳了五个投产难题及对应方案:用 Strands Agents SDK 的图模式和“智能体即工具”模式控制多智能体执行顺序;通过 Amazon Bedrock 为不同角色选模型,协调者用 Haiku、规划用 Opus、执行用 Sonnet;以 Amazon Bedrock AgentCore 提供会话隔离、私有 VPC 部署和可观测性;用 AWS Fargate 与应用负载均衡器为每个会话启动临时沙箱容器执行 AI 生成的代码,容器一小时后自动终止;再用 DynamoDB、SNS 和 Cognito 搭建运维看板与失败告警。主管、编码和报告智能体启用提示缓存,AWS 称重复调用时输入 token 成本最多可降 90%。
AWS 还给出两个延伸案例:LG 电子韩国销售部门基于同一架构搭建 ChatInsight,原本需 3 天的分析缩短到 30 分钟;re:Invent 2025 上展示的 TechRecon 则把执行主力换成研究智能体,用于技术情报分析。Deep Insight 已在 GitHub 开源,提供本地、Web 和托管 AgentCore 三种部署方式。作者同时提醒,校验智能体只复核计算,不识别上传数据中的提示词注入,生产环境建议叠加 Amazon Bedrock Guardrails。
flowchart LR
U[用户: CSV + 自然语言需求] --> CO[Coordinator 路由 Haiku]
CO --> PL[Planner 规划 Opus]
PL --> PR[Plan Reviewer 人工确认]
PR -- 修改 --> PL
PR -- 批准 --> SU[Supervisor 编排 Sonnet]
SU --> CD[Coder]
SU --> VA[Validator]
SU --> RE[Reporter]
SU --> TR[Tracker]
RE --> OUT[.docx 报告]