最后说一句。 哎，大家好啊。那个，我想先做个小调查，就在这大家手里都有手机或者电脑对吧？我想问一下现在这个生成式AI，大家有没有在玩？或者有没有在搞开发？就是那种，我想问问在座的各位，有多少是已经在从事这个生成式AI应用的开发，或者是计划马上要这样做的？请举一下手好吗？ 哇， 看来就是这个，大家已经有一些这个准备要在做或者马上要做的这个问题，看来大家对AI这东西还是挺感兴趣的，或者是挺愁的。

金蝶，会计软件那个金蝶。他们用这个Agent，一周搞定POC，三个月上线。三个月？这速度简直了。比我换灯泡都快。这让我这种还在写Hello World的人感到非常羞愧。这到底是怎么做到的？这背后肯定有什么我不知道的秘密。我想知道，你们肯定也想知道。所以接下来的内容，希望能有点用，或者至少有点看头。

放心去做... 好了不多废话，我们进入正题。今天议程我就是先说说给大家介绍一下 Amazon Bedrock Agent， 包括它的主要构成、编排以及它的平安性。这三个词听起来挺高级的，什么构成，什么编排，听起来就像是要把我脑子编排了一样。 然后我们会请方经理来跟我们分享一下金蝶是如何在使用 Amazon Bedrock Agent 在一周之内完成了这个 POC，并且在之后的3个月就实现了产品的落地和上线。

那么怎么弄呢？我就想聊聊这个 Amazon Bedrock Agent。这名字听起来挺像什么地质勘探的，其实是个云服务，对吧？亚马逊搞出来的。今天我就来瞎扯一下怎么用这个Agent， 在我看来... 去搞那些个性化的AI功能。别指望我讲得多专业，反正我也不是什么专家，我就是个写代码的，或者说是捣鼓代码的。

所以我接下来谈到的这些难题或者挑战，可能是大家已经遇到或者是马上就要遇到的一些问题。比如说我想做一个AI，但我不知道怎么写代码，这很正常。但是我想做一个“个性化”的AI，这就更难了。个性化，懂我意思吧？就是不像现在这种满大街都是的ChatGPT， 我要的是那种，只懂我，只懂我的公司，只懂我的那些乱七八糟的需求的东西，欧了！。

一、Amazon Bedrock Agent 到底是个什么神仙玩意儿？

1. 它不是石头，它是云

先说说我得纠正一个误解。很多人看到 Bedrock，第一反应是“基岩”。对，它是石头，是稳固的意思。但在亚马逊的技术里它是一个基础模型服务。简单说它是个大仓库，里面放着很多很多的大模型。比如那个什么GPT系列，还有别的什么模型，都放在这里面。 拭目以待。 但是光有大模型还不够，对吧？大模型就像是一块巨大的五花肉，虽然肉多，但生的时候没法吃，你得切，得炒，得做成你喜欢的菜。这个 Bedrock Agent，就是那个厨师。它负责把大模型“炒”起来变成你想要的东西。

2. 它的构成：像个拼图， 又像个乐高

那么这个Agent的构成到底有啥呢？我想想啊，大概就是几个部分吧。 第一个部分，肯定是那个大模型本身。它得有脑子，对吧？没有脑子，那就是个木头人。 什么鬼？ 然后呢，得有个“知识库”。这玩意儿很重要，主要原因是大模型有时候会一本正经地胡说八道，它不知道的就会瞎编。知识库就是给它喂点“书”，让它知道点真东西。

”这太烦人了。所以记忆功能也是构成的一部分。

还得有个“技能”。比如说我要做个AI，它能帮我订机票，还能帮我写邮件。那这些订机票、写邮件的功能，就是技能。Agent得有技能，不然它光会聊天订不了票，那有什么用？ 再说说还得有个“记忆”。这个AI得记得住你上次跟它说了啥，不然你每次问它，它都得从头开始问：“你好，请问你是谁，扎心了...？

3. 编排：它是怎么指挥大模型的？

意味着.… 编排这个词，听起来很高大上。其实说白了就是指挥官。大模型虽然聪明，但它有时候会犯迷糊，或者不知道该先干嘛后干嘛。 这个编排机制， 就是告诉大模型：“嘿，你先别说话，先去查查数据库，看看有没有这个信息，然后再回应用户。” 或者说：“用户问了A问题， 你先分析一下如果是B类型的问题，你就调用C技能，如果是D类型，你就调用E技能。” 它就像是一个交通指挥员， 指挥着大模型、知识库和技能这三个家伙，别撞车了别乱套了。如果没有这个编排，大模型估计会疯掉的，或者它只会自顾自地说话，完全不理会用户的感受。

4. 平安性：别让坏蛋进来

这个很重要。平安。对吧？现在的网络环境，乱七八糟的。你用个AI，万一它把你的公司机密泄露了或者它给你推荐一些乱七八糟的网站，那怎么办？ Amazon Bedrock Agent 做了平安方面的考虑。它有一些机制，可以防止模型生成有害的内容。比如说如果用户问一些很过分的问题，或者想让你做一些违法的事情，Agent会拒绝回答。这就像家里的门卫，看到坏人来了就死活不让进。这个功能，我觉得是必须有的，不然谁敢用啊，坦白说...。

二、金蝶的故事：一周POC，三个月上线，真的假的？

拜托大家... 听起来好像有点夸张。一周搞定POC，POC是什么？就是概念验证。意思就是我给你个想法，你用这个Bedrock Agent，在一周之内把它做出来能跑通就行。这很难吗？对于大公司一周做POC，大体上就是奇迹了。 然后是三个月落地上线。落地上线，就是真的把产品推给用户用了。这意味着什么？意味着代码要写，测试要测，Bug要修，还得让用户觉得好用。三个月，这时间太紧了。 金蝶是怎么做到的？他们是怎么使用 Amazon Bedrock Agent 的？这肯定不是靠运气。肯定是有方法的。

1. 为什么选金蝶？

金蝶是个做ERP的，做财务软件的。他们的用户都是企业。企业最需要什么？需要效率。需要准确的数据。需要智能的辅助。 比如说财务人员每天要处理大量的发票，要做报表。如果有个AI能帮他们自动识别发票，自动录入数据，那该多好？这简直就是解放生产力啊。但是传统的开发方式，开发这样一个智能的财务助手，可能要几个月甚至半年。 但是用了 Bedrock Agent，他们可能只需要一周就能把这个想法跑通。这就体现了它的优势：快速迭代。你想个新功能，一周就能试一下。觉得不好，改改，再试一下。这效率，太恐怖了。

2. 一周POC是怎么做到的？

踩个点。 我猜，他们肯定是用了Bedrock Agent的一些现成的模板或者功能。就像搭积木一样，拿过来就能用。不需要从零开始写代码。 他们可能把金蝶自己的财务知识，喂给了Agent。告诉它，什么是进项税，什么是销项税，发票怎么开。然后再给它一些技能，比如怎么调用金蝶的系统接口，怎么读取文件。 一周时间，虽然不长，但足够把这个基本流程跑通了。这就是敏捷开发。先跑起来再优化。不像以前，憋个大半年，写出来的东西还没人要。

3. 三个月上线：这背后是啥？

POC跑通了只是万里长征走完了第一步。接下来要做的，就是把POC变成一个真正的产品。这中间有大量的工作。 代码要重构，性能要优化，平安性要加固，用户体验要提升。金蝶在之后的三个月里肯定没少加班。但是主要原因是有Bedrock Agent打下了基础， 从头再来。 他们可以专注于这些细节，而不是去从头构建框架。 这就是“站在巨人的肩膀上”吧。Amazon Bedrock Agent就是那个巨人。他们只需要爬上去，看看风景，然后建自己的房子。

三、如何轻松开发个性化AI应用功能？

好了讲了半天别人的故事，咱们说说自己的。怎么轻松开发个性化的AI应用功能？这是我今天想聊的核心。 先说说你得有个想法。这个想法不能太大众化。比如你不想做一个聊天机器人，你想做一个能帮你写周报的机器人， 不忍直视。 或者能帮你分析你淘宝购物记录的机器人。这就是个性化。 但是怎么实现这个个性化呢？这就涉及到Bedrock Agent的一个特性了：可定制性。

1. 喂给它你的“知识”

最后说一句。 要让AI懂你，你就得教它。怎么教？把你的文档，你的数据，你的规则，一股脑地扔给它。这就是所谓的RAG，检索增强生成。 你可以给你的AI一个文件夹，里面全是你的产品说明书。然后你问它：“我的这个产品有什么功能？”它就能从文件夹里找到答案，而不是瞎编。 这种方式，非常简单。不需要懂什么复杂的算法，你只需要会一点SQL，或者会用点Python脚本，把数据导进去就行了。这算不算轻松？我觉得算。

2. 给它赋予“技能”

我破防了。 AI光有知识是不够的，它得能干活。这就是技能。比如你想做一个能帮你订咖啡的AI。 那你就得给它一个技能，这个技能能连接到星巴克的系统。当它识别出你想喝咖啡时它就自动调用这个技能，帮你下单。 这种技能，可以是调用API，可以是操作数据库，也可以是发送邮件。Bedrock Agent可以很方便地连接这些外部系统。只要你能把这些系统的接口写好，Agent就能帮你调用。 这听起来是不是有点像在搭积木？对，就是这么简单。

3. 调整它的“性格”

让我们一起... 个性化，还体现在“性格”上。有的AI很严肃，有的AI很幽默，有的AI很毒舌。 你可以通过调整Prompt，也就是提示词，来改变AI的性格。比如你告诉它：“你是一个幽默的助手，你说话要风趣一点，但不要太油滑。” 然后你问它：“今天天气怎么样？”它可能就不会冷冰冰地回一句“晴”， 而是会说：“哎呀，今天天气真好，适合出去浪一浪，别老闷在家里写代码了！” 这就是个性化。你想要什么性格，它就能变成什么性格。只要你会说话，会写Prompt。

四、 那些你可能遇到的小麻烦和噪音

哪怕是这个Agent这么好用，咱们在实际开发中，肯定也会遇到一些乱七八糟的问题。我就随便列举几个，算是给大家提个醒。

1. 幻觉问题：它又瞎编了

虽然我们给了它知识库，但它有时候还是忍不住要瞎编。它可能会编造一个不存在的功能，或者编造一个不存在的公司名称。 这时候怎么办？你得学会鉴别。或者， 你可以在Prompt里加上一些限制性的话语，比如：“如果数据库里没有这个信息，就告诉用户我不知道，不要编。” 或者，你可以在输出的时候，加上一个“置信度”的指标。如果它自己都觉得不确定，那你就别信它。

2. 上下文记忆：它忘了我是谁

又爱又恨。 AI的记忆是有限的。它可能记住了你前五句话的内容，但记不住你第十句话的内容。当你连续问它十个问题的时候，它可能会忘了第一个问题是什么。 这时候，你就得提醒它：“我们刚才在讨论什么来着？” 或者，你可以采用一种“对话摘要”的机制。每隔几句，就让它一下当前的对话进度。这样它就不会迷路了。

3. 成本问题：烧钱的速度有点快

他破防了。 大模型可不是免费的午餐。你每问它一个问题，它都要消耗算力。算力是要花钱的。 如果你的应用访问量很大，那成本会非常高。就像你家里开了个空调，夏天不开都心疼，开了就更心疼了。 所以你得学会优化。比如缓存一些常用的回答，减少不必要的调用。或者，使用一些 cheaper 的模型来处理简单的问题，用贵的模型来处理复杂的问题。

五、 ：别怕，试试看呗

总的Amazon Bedrock Agent 这个东西，虽然名字听起来有点吓人，但其实吧还是挺友好的。 它能帮你解决很多个性化AI应用开发中的难题。不管是知识库的构建，还是技能的调用，它都能提供很好的支持。 金蝶用一周时间做POC，三个月时间上线，这个案例就证明了它的潜力。

礼貌吗？ 万一成了呢？ 哎，说了一大堆，我肚子饿了该去吃午饭了。希望这篇文章能帮到你们。如果你们有什么更好的想法，或者遇到了什么更变态的问题，欢迎在评论区留言。我看看能不能帮上忙。反正我也不是很懂，大家就当听个乐子吧。

虽然我们在开发过程中会遇到各种各样的小麻烦， 比如幻觉、记忆丢失、成本问题，但这些都不是什么大问题。只要你耐心一点，多测试，多调试，总能找到解决办法的。 所以 如果你也想开发一个个性化的AI应用，别犹豫了赶紧去试试 Amazon Bedrock Agent 吧。反正试错成本也不高。