Gen Digital 如何用 Amazon Bedrock AgentCore 为 Norton Revamp 打造 AI 新闻引擎

职业声誉的战场已经转移到线上。招聘方在回拨电话前会先查看 LinkedIn，客户在预约会面前会审视你的数字形象。对于有进取心的职场人士而言，这一转变意味着机遇——一个精心打造的线上声音，能打开简历无法触及的大门。但要真正脱颖而出，仅靠内容生成远远不够，还需要对当下正在发生的事保持实时感知。一位希望树立生成式 AI 思想领袖形象的专业人士，必须对今天的突破作出回应，而非上周的旧闻。

在选择技术路线时，Gen Digital 团队评估了三种替代方案。自建网络爬虫需要持续维护，且存在实时性滞后问题；第三方新闻 API 引入了额外的供应商合同、API 密钥管理负担，并存在数据离开 AWS 环境的风险；静态知识库则始终面临数据陈旧的困境。最终，团队选择了 Amazon Bedrock AgentCore 的 Web Search 能力：完全托管、零基础设施开销，返回结果附带来源 URL 和发布日期，且数据全程不出 AWS 环境，从根本上消除了上述顾虑。

AgentCore Web Search 符合模型上下文协议（MCP），作为托管连接器接入 AgentCore Gateway。平台的 AI 代理发送自然语言查询，Web Search 返回相关摘要、来源 URL、标题和发布日期，模型据此生成有据可查的回应。这一能力支撑了 Norton Revamp 的三项核心功能：个性化 AI 新闻资讯流、基于趋势的智能内容建议，以及感知行业动态的目标设定系统。每项功能都以实时网络数据为基础，而非依赖预先存储的静态内容。

在架构层面，Norton Revamp 采用事件驱动设计。当用户设定或更新职业目标时，Amazon Nova 根据目标、近期活动和互动模式生成定向搜索查询，代理将查询发送至 AgentCore Web Search，结果在 AWS 环境内完成检索。AI 学习系统随后对结果按相关性、时效性和来源可信度进行排序，再由 Amazon Nova Lite 以用户本人的语言风格生成内容建议。用户的互动数据反馈至查询生成环节，使新闻引擎随使用时间持续优化。

平台的处理流水线分为四个阶段：全量扫描阶段拉取最多 1000 条历史帖子并通过 Amazon Bedrock 批量分析声誉影响；每日扫描由 Amazon EventBridge 触发增量分析；每周目标生成阶段结合过往互动数据与 AgentCore Web Search 的实时趋势数据生成个性化目标；内容辅导阶段则通过分析、精炼、发布三步流程，每一步均以 AgentCore Web Search 结果作为上下文依据。基础设施层面，前端采用 React、TypeScript 和 Tailwind CSS，后端依托 Amazon ECS、Lambda、DynamoDB、API Gateway 等服务，通过 Terraform 管理并以蓝绿部署实现零停机发布。

Gen Digital 团队在开发过程中将生成式 AI 内嵌于产品与开发方法论两个维度。团队明确划分了人机责任边界：架构决策、安全设计和最终代码审查由工程师主导，而样板代码生成、测试用例编写和文档草拟则交由 AI 辅助完成。这种协作模式使一支小规模工程团队得以在较短周期内完成平台的设计、构建与上线，同时保持了 Norton 品牌所要求的隐私与安全标准。

要点

• AgentCore Web Search 以完全托管、零数据出境的方式提供实时网络检索，解决了自建爬虫和第三方 API 的维护与合规痛点
• Norton Revamp 的新闻引擎通过事件驱动架构将用户目标、互动数据与实时趋势三者联动，实现内容建议的持续个性化优化
• 平台将内容生成、目标设定和新闻资讯三项功能统一锚定在实时引用的网络数据上，有效提升了内容的时效性与可信度
• 明确的人机责任分工使小型工程团队能够高效交付企业级 AI 产品，同时维持严格的安全与隐私标准
• 蓝绿部署与 Terraform 基础设施即代码的组合，保障了平台在快速迭代过程中的稳定性与零停机发布能力