多知识库路由与七层可观测性一键部署

企业在将检索增强生成（RAG）引入生产环境时，通常从单一知识库的单次检索起步。这一模式在问题简单、来源单一时运转良好，但当答案需要跨越多个数据源、或系统必须先判断应查询哪个来源时，单步 RAG 便显得捉襟见肘。企业级智能体检索正是为解决这一瓶颈而生：智能体对问题进行推理，将其路由至最相关的知识库，经过多轮迭代检索后，最终返回附带引用来源的综合答案。

Amazon Bedrock 托管知识库（Type: MANAGED）是本方案的核心基础设施。与传统客户自管知识库不同，托管版本由 Amazon Bedrock 全权负责数据摄取、存储、索引与检索，内置嵌入与重排序模型，用户无需自行部署、扩展或维护向量数据库。更关键的是，托管知识库原生支持 AgenticRetrieveStream API，可将用户问题分解为多个子查询，迭代检索后合成带引用的流式答案，这一能力在客户自管知识库中目前尚不支持。

整套架构通过四个 CloudFormation 堆栈串联部署。第一个堆栈创建 S3 存储桶与两个托管知识库（分别对应金融和天气语料库），并完成首次数据同步；第二个堆栈部署 AgentCore 网关，基于原生 bedrock-knowledge-bases 连接器为每个知识库暴露独立的 AgenticRetrieveStream 工具，无需额外 Lambda 函数；第三个堆栈构建经 OpenTelemetry 插桩的 Strands 智能体镜像并托管于 AgentCore 运行时；第四个堆栈创建两个 CloudWatch 监控面板。

路由机制在两个层面协同工作。在智能体层面，推理模型根据问题语义选择对应的检索工具（金融或天气），实现跨知识库的语义路由；在知识库层面，AgenticRetrieveStream 在单个知识库内部执行多轮子查询分解与迭代检索。智能体在收到检索结果后还会判断上下文是否充分，若不足则触发新一轮检索，直至生成满足质量要求的最终答案，整个推理与检索循环全程可追溯。

可观测性与评估能力被设计为方案的一等公民，而非事后补丁。AgentCore 运行时通过 OpenTelemetry 自动为每个推理步骤生成追踪 Span，将延迟、Token 用量、调用量等指标实时上报至 Amazon CloudWatch 与 AWS X-Ray，形成七层遥测体系。在此基础上，方案还提供按需评估与持续评估两种模式，帮助团队持续监控检索质量与答案准确性，确保智能体在生产环境中的行为始终处于可控范围之内。

要点

• Amazon Bedrock 托管知识库原生支持 AgenticRetrieveStream API，可实现多轮子查询分解与流式答案合成，无需用户维护向量数据库基础设施。
• AgentCore 网关基于模型上下文协议（MCP）为每个知识库暴露独立检索工具，智能体通过语义路由在多知识库间自动选择最相关来源。
• 整套企业级智能体检索方案通过单条 CloudFormation 链四个堆栈一键部署，涵盖知识库、网关、运行时与监控面板全部组件。
• 系统内置七层可观测性，结合 OpenTelemetry 自动插桩、CloudWatch 与 X-Ray，支持按需与持续两种评估模式，满足生产环境运维需求。
• 与客户自管知识库相比，托管知识库在智能体检索和 AgentCore 网关集成方面具有明显能力优势，适合优先考虑降低运维复杂度的企业团队。