工程 / 工程
用 Amazon Bedrock AgentCore 自动生成企业级 PPT 演示文稿
金融服务团队每周需要花费大量时间,从季度报告、合规文件和市场分析中手动整理并制作客户 PowerPoint 演示文稿。亚马逊云科技近期发布技术文章,详细介绍如何借助 Amazon Bedrock AgentCore 构建一套 AI 智能体系统,将上述工作流程自动化,内部测试显示整个生成过程可在 90 秒内完成。该方案以 Strands Agents 框架为基础,部署一个监督智能体来协调文档生成与摘要提取两类工具;内容创作由 Anthropic Claude Sonnet 4.6 负责,向量检索依托 Amazon Titan Text Embeddings v2,幻灯片配图则由 Stability AI Stable Image Inpaint 生成。整套系统通过 RAG 管道将输出内容锚定在企业知识库的原始文档中,并集成 Amazon Bedrock Guardrails 实现多层次内容安全过滤,同时以 Amazon VPC 隔离、AWS KMS 加密和 IAM 最小权限策略保障企业级安全合规要求。
金融服务场景中,制作一份客户演示文稿往往意味着阅读数百页文件、提取关键数据点、规划幻灯片结构并生成配套图表。这一流程高度重复且耗时,成为团队效率的主要瓶颈之一。Amazon Bedrock AgentCore 提供了一个可在任意框架和模型上构建、连接并优化智能体的运行平台,使上述工作流程得以通过工具化架构实现自动化,而非将所有逻辑堆砌在单一的庞大函数中。
该方案的核心是一个部署在 AgentCore Runtime 上的监督智能体,对外暴露两个专用工具:generate_pptx 负责调用容器化的 Lambda 函数,从知识库检索内容、生成幻灯片大纲、创建 AI 配图并组装最终文档;generate_summary 则通过 RAG 管道提取并综合知识库信息,输出有据可查的摘要回答。监督智能体根据用户请求自动判断应调用哪个工具或同时调用两者,新能力的扩展只需定义新工具,无需修改现有逻辑。
RAG 管道是保障输出内容准确性的关键机制。企业文档上传至 Amazon S3 后,系统对其进行分块解析,并对表格、图表、图片等多模态内容做专项处理。Amazon Titan Text Embeddings v2 将每个文本块转换为高维向量,存入 Amazon OpenSearch Serverless 构建的可检索向量数据库。查询时,用户请求同样被转换为向量并执行语义相似度搜索,检索到的相关文档块作为上下文传递给语言模型,从而生成锚定于原始资料的回答,有助于降低模型幻觉风险。
内容安全方面,Amazon Bedrock Guardrails 在文档生成管道的多个阶段发挥作用:输入处理阶段过滤用户请求以防止注入攻击和不当内容;输出生成阶段监控模型输出是否符合内容策略;同时具备 PII 检测能力,可对个人身份信息进行匿名化处理或直接拦截。护栏通过 AWS CDK 以代码方式配置,在模型调用层统一应用,无需为每次部署单独手动配置。
系统整体架构以 Amazon API Gateway 作为入口,将用户请求路由至运行在 AWS Lambda 上的 .NET 8 最小 API 服务,对话状态持久化存储于 Amazon DynamoDB。该 REST API 设计使企业现有应用可通过标准 HTTP 调用无缝集成。安全层面,方案采用 Amazon VPC 网络隔离、AWS KMS 静态加密以及 IAM 最小权限访问控制,确保整套系统满足企业级合规要求,同时 OpenSearch Serverless 集合的控制台访问也被限制为仅限 VPC 内部访问。
要点
- 监督智能体通过工具路由架构将文档生成、内容摘要等能力解耦,新增功能只需定义新工具,系统扩展性强
- RAG 管道将模型输出锚定在企业知识库原始文档中,结合多模态内容解析,有效降低生成内容的幻觉风险
- Amazon Bedrock Guardrails 在输入、输出及 PII 处理三个阶段提供系统级内容安全保障,适合金融等合规敏感行业
- 整套方案内部测试可在 90 秒内完成演示文稿生成,相比人工流程大幅压缩制作周期
- 架构采用 VPC 隔离、KMS 加密和 IAM 最小权限三重安全机制,可直接对接企业现有应用体系
原始标题:Generate presentations with Amazon Bedrock AgentCore
本文由 DataHub 基于公开来源整理,用于信息发现与摘要阅读;具体事实、数据和后续更新以原始来源为准。