AWS 发布基于 Amazon Bedrock AgentCore 的自改进文档处理方案

AWS 博客介绍自改进文档处理方案

AWS 在其机器学习博客发布技术文章，介绍如何用 Amazon Bedrock AgentCore 构建一套「自改进」的智能文档处理（IDP）系统。文章称，该方案由八个专用智能体组成，运行在两条基于图的工作流上，可对供应商发票、采购订单、保险理赔、贷款申请等文档进行分类、抽取、校验，并在遇到新格式时自动生成抽取指令、验证后保存复用。文章表示，后续同类文档可直接进入抽取流程，无需重新训练。

背景与影响

文章援引 IDC 研究称，文档相关挑战给每个信息工作者带来每年 19,732 美元的成本，并使生产率下降 21.3%；员工最多可花 30% 的时间处理文档，人工录入错误率在 1%–4% 之间。文章认为，传统 IDP 依赖预先为每种格式配置模板与规则，供应商更换版式即会失效，且同类错误会重复出现。该方案改用智能体分析文档、生成抽取提示、按 Amazon Aurora DSQL 中的模式与业务规则校验，失败时由修复类智能体调整提示或直接修正数据。基础设施方面，文档经 Amazon SES 或直接上传至 Amazon S3，由 Amazon EventBridge 触发 AWS Lambda，在 Amazon DynamoDB 建立跟踪任务并调用 AgentCore Runtime；智能体通过 AgentCore Identity 与 Amazon Cognito 获取凭证，经 AgentCore Gateway 的 MCP 接口调用工具，并使用 Amazon Textract、S3 Vectors 等能力。

限制与来源

文章给出的部署步骤要求具备 AWS 账户、已启用 Amazon Nova 与 Anthropic Claude 模型的 Amazon Bedrock 访问权限，以及 AgentCore（Runtime、Gateway、Identity）、S3 Vectors、Aurora DSQL 在受支持区域的可用性，另需 AWS CDK v2、Docker、Python 3.11+、Node.js 18+ 及相关 IAM 权限。文章称部署约需 15–20 分钟，会创建六个 CloudFormation 堆栈。上述时间、成本与错误率数据均来自原文或其所引研究，实际可用区域、模型支持与费用请以 AWS 官网当前信息为准。本文仅为技术方案介绍，不构成任何投资或采购建议。来源：AWS 机器学习博客。