Natera 如何用 Amazon Bedrock AgentCore 打造智能预约语音助手

Natera 是一家专注于无细胞 DNA 检测的全球诊断公司，其移动采血服务允许患者预约上门血液采集，避免亲赴诊所。然而，原有流程依赖人工调度团队协调患者、采血师与第三方供应商，患者需通过电话完成身份验证、提供三个备选时间段，再由工作人员逐一确认。这一流程在规模扩大后效率瓶颈明显，且对正在接受治疗的肿瘤科患者而言体验并不友好。

原系统采用第三方 AI 供应商处理语音交互，通过 Twilio 接入电话网络，运行在 Amazon ECS 容器上。团队在评估后决定迁移至 Amazon Bedrock AgentCore，核心驱动力在于：AgentCore 的全托管架构消除了容器扩缩容的运维压力，内置记忆管理模块可存储患者历史活动以实现个性化支持，而详细的步骤追踪能力则让团队在不依赖猜测的情况下快速定位问题。

架构的第一项核心原则是双 WebSocket 桥接模式。系统在电话提供商（Twilio）与基础模型之间引入一个编排层，分别维护两条独立的 WebSocket 连接，编排器负责管理两侧的数据流转。这种解耦设计使团队可以独立替换任意一侧，例如将 Twilio 换成 Amazon Connect Health，或将模型从 OpenAI 切换至 Amazon Nova，而无需重新设计整体系统。

第二项原则是事件驱动延迟掩蔽。当语音助手需要调用工具（如查询预约可用时段）时，后端操作往往需要数秒才能完成。系统在此期间并行生成符合上下文的填充回应，让患者听到自然的过渡语句而非沉默。这一设计将延迟视为一等公民加以管理，而非单纯追求各组件的原始速度，从而在不牺牲准确性的前提下保持对话流畅感。

第三项原则是渐进式信任认证模型。系统不要求患者在对话开始时就完成全部身份验证，而是从低信任级别的交互起步，随着患者逐步通过个人标识符和短信验证码完成认证，系统才逐渐开放对更敏感信息的访问权限。这种设计将身份验证融入自然对话流程，避免了传统「先验证再操作」模式带来的生硬体验，也更符合医疗场景下的合规要求。

在 500 次端到端通话模拟验证中，该系统实现了 100% 的工具调用准确率，用户感知延迟控制在 7 秒以内，每次完整通话成本低于 0.01 美元。值得注意的是，双 WebSocket 并发管理、并行填充生成与渐进式记忆会话的组合确实带来了更高的编排复杂度。对于单轮问答或纯文本场景，直接集成方案的开销会更低，但对于 Natera 这类需要自定义供应商协调与电话灵活性的医疗用例，AgentCore 提供了合适的架构基础。

要点

• 双 WebSocket 桥接将电话流与模型推理解耦，使系统可独立替换电话提供商或基础模型，显著提升架构灵活性
• 事件驱动延迟掩蔽通过并行生成上下文填充回应，在后端工具调用期间维持对话流畅感，将用户感知延迟控制在 7 秒以内
• 渐进式信任认证将身份验证融入对话流程，避免传统强制前置验证带来的体验割裂，同时满足医疗合规要求
• AgentCore 内置的逐步追踪与可观测性功能，让团队能精准定位模型推理、工具执行或记忆检索各环节的延迟来源
• 500 次端到端模拟验证达到 100% 工具调用准确率，每次通话成本低于 0.01 美元，验证了该架构在医疗场景下的可行性