工程 / 工程
用 Amazon Bedrock AgentCore 构建自我进化的智能文档处理系统
IDC 研究显示，文档处理难题每年令每位信息工作者损失近两万美元，并拖累生产力超过 21%。传统智能文档处理方案依赖预定义模板，一旦供应商更换发票格式便会失效，且无法从历史错误中学习。亚马逊云科技推出的 Amazon Bedrock AgentCore 平台提供了一种全新的 Agentic 方案：八个专属智能体分布在两条基于图结构的工作流中，能够自动识别文档类型、生成提取指令、验证结构化数据，并将成功经验持久化存储以供后续复用。新文档格式首次处理时系统自动完成训练，后续同类文档则直接进入提取流程，无需人工干预。整套基础设施基于 AWS CDK 部署，通常在 20 分钟内完成，适用于发票、采购订单、保险理赔单、贷款申请等多种业务场景。
企业每天处理来自数百家供应商的文档，格式各异且随时可能变动。基于规则的传统 IDP 系统要求为每种文档格式预先配置模板和提取逻辑，一旦供应商调整布局，整条流水线便会中断。员工因此不得不花费高达 30% 的工作时间处理文档相关任务，而人工录入的错误率也在 1% 至 4% 之间徘徊，带来持续的运营成本与数据质量风险。
Amazon Bedrock AgentCore 的 Agentic IDP 方案以多智能体协作取代静态模板。系统包含八个专属智能体，运行在两条基于 Strands Agents 开源 SDK 构建的图结构工作流之上。识别工作流中，Analyzer 智能体通过 Amazon Textract 提取文本并判断文档类型，Matcher 智能体则借助 Amazon S3 Vectors 的向量相似度搜索，判断该文档是否已有对应的处理指令。
当系统遇到全新文档格式时，训练工作流自动启动：Instructions 智能体生成提取提示词，Extractor 智能体执行结构化数据提取，Validator 智能体依据存储在 Amazon Aurora DSQL 中的业务规则进行校验。若校验失败，Instructions Fixer 智能体会自动优化提示词并重试；校验通过后，Save Instructions 智能体将指令持久化，供后续同类文档直接复用，实现真正意义上的自我进化。
对于已知文档格式，自动化工作流直接调用现有指令完成提取。若提取结果出现异常，Troubleshooter 智能体会针对当次数据进行修复，而不会修改已沉淀的指令模板，从而保护系统积累的知识资产。整个过程中，智能体通过 AgentCore Identity 与 Amazon Cognito 管理的机器间凭证安全访问 AWS 资源，Lambda 函数则经由 AgentCore Gateway 的 MCP 接口转化为智能体可调用的工具。
基础设施部署通过 AWS CDK 完成，涵盖六个 CloudFormation 堆栈，包括核心存储、网关、数据库、智能体运行时、API 端点及基于 Amazon CloudFront 的 React 前端应用，全程约需 15 至 20 分钟。运维团队可通过托管在 Amazon ECS 上的聊天式仪表板实时监控处理状态，并借助 AgentCore Observability 与 Amazon CloudWatch 获取智能体性能遥测数据，实现端到端的可观测性。
要点
- 传统模板式 IDP 系统无法适应格式多变的业务文档，每新增一种格式都需要人工配置，维护成本随供应商数量线性增长
- Agentic IDP 方案通过八个专属智能体协作，实现文档的自动分类、提取、校验与指令持久化，新格式首次处理后即可自动复用经验
- 系统将训练工作流与自动化工作流分离：新文档触发完整训练链路，已知文档直接进入提取，兼顾灵活性与处理效率
- 整套方案基于 AWS 托管服务构建，支持邮件与直传两种文档入口，部署时间通常不超过 20 分钟，适合快速落地验证
原始标题：Build self-improving document processing using 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。