Strands Agents 与 Amazon Bedrock 构建多智能体社交情报系统

Thrad.ai 致力于在大语言模型对话界面中引入原生广告，其销售团队原先需要人工横跨六个外部数据源调研单个潜客，单封外联邮件耗时 30 至 45 分钟，难以规模化。单一 AI 智能体难以应对来源多样、信号语义复杂的局面，团队最终采用多智能体编排，将每类数据源交给专属智能体处理，再由专用分析智能体融合跨源信号。

整体方案包含四个职责清晰的智能体：Trend Research Agent 并行扫描 Hacker News、YouTube、dev.to、ProductHunt、Reddit 与 Stack Overflow 等趋势与购买意图信号；Search Specialist Agent 通过 Wikipedia、GitHub、Lobste.rs 与 Stack Overflow 丰富潜客画像；Analysis Agent 使用 Claude Sonnet 4.6 按加权标准打分并写入 AgentCore Memory；Email Generation Agent 检索品牌知识并完成草稿与校验。每个智能体拥有独立工具集和 Pydantic 校验的输出契约，结构错误会在进入下一环节前被拦截。

评分机制依赖信号三角验证：单一来源走红通常意味着推广噪声，需在至少两个独立来源同时出现相关信号后才进入深度分析。系统采用五项加权标准——主题契合度 25%、时效性 20%、互动潜力 20%、意图信号 20%、数据质量 15%——并对开源开发者工具叠加最多 10 分的 ICP 加成。时间衰减进一步校准权重，24 小时内信号乘以 1.5 倍，超过 7 天则衰减至 0.5 倍。

Strands Agents 提供 Swarm 与 Graph 两种编排模式。Thrad.ai 在 50 个潜客负载上对比两种模式：Swarm 模式允许智能体依据输出自主决定下一跳，灵活度高但执行路径不可预测；Graph 模式将流程显式建模为有向图，调用顺序与分支条件由代码固定。基准测试同时记录端到端延迟、Amazon Bedrock 调用成本以及邮件个性化质量评分，便于团队在生产中按场景取舍。

基础设施层依托 Amazon Bedrock AgentCore Runtime 提供隔离执行环境，Gateway 统一管理外部 API 与品牌知识检索，Memory 持久化潜客状态与评分历史，Observability 提供调用追踪与审计能力，满足生产环境的治理与可观测需求。部署使用 AWS CDK，配套清理脚本避免产生长期计费，代码示例托管在 aws-samples 公开仓库。

该模式可推广到竞争情报、候选人挖掘与市场研究等场景。团队建议读者先按概念跟随文章梳理智能体拆分与评分逻辑，再按需在自有 AWS 环境中复现部署，并在实践中根据信号来源差异调整加权权重与意图分类规则。

要点

• 四智能体流水线将单潜客研究时间从 30 至 45 分钟降至自动化执行，信号三角验证过滤单一来源噪声
• Pydantic 输出契约在智能体之间强制类型安全，结构错误在传递至下一环节前即被拦截
• Swarm 与 Graph 两种编排模式各有取舍，Graph 模式提供可预测的执行路径，Swarm 模式则更适合高度动态的任务
• 时间衰减与 ICP 加成使评分随信号新鲜度动态调整，24 小时内信号权重提升至 1.5 倍
• AgentCore Runtime、Gateway、Memory、Observability 四件套为多智能体系统提供生产级隔离、记忆与治理能力