AWS 发布基于 Nova 多模态嵌入与 AgentCore 的多智能体工程助手方案

核心事实

AWS 在官方博客中介绍了一套面向工程场景的多智能体助手方案，用于减少零部件替代评估中的人工交叉比对工作。方案基于 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 以及开源 Strands Agents SDK 构建：规划器将请求路由至 Catalog、Evaluation、Knowledge 三个专业智能体，由它们检索多模态知识库、按确定性公差规则为候选零件打分、比对零件照片，并借助联网数据核实生命周期信息。据博客描述，当多个智能体参与时，由监督智能体汇总结果。

背景与影响

博客以航空航天零部件停产或长交期为例指出，工程师往往需要数天时间在供应商数据表、接口控制文档与合格记录之间交叉核对，才能写出替代论证；而相关证据常散落在邮件与未文档化的经验中。该方案的设计原则是“工程师做全部决策，系统只负责汇集证据”：公差规则以 Python 代码实现，相同输入产生相同的通过或标记结论；系统可起草论证备忘录与集成影响评估（IIA）文档，但不推荐也不批准替代方案，并按 AS9100 第 8.4 与 8.5.6 节写入审计记录。Nova Multimodal Embeddings 承担两项角色：一是让文本与图表共享同一语义空间以支持多模态检索，二是对候选零件照片计算余弦相似度，作为确定性规格比对的补充证据。

限制与来源

该内容来自 AWS 博客的技术实操文章，作者为 Aishwarya Gavili 与 Adewale Akinfaderin，示例数据为虚构厂商的七个反作用轮，属于演示性质，博客未给出生产环境的性能或成本数据。按文中前提，需具备可访问 Amazon Bedrock 的 AWS 账户、相应模型访问权限、托管知识库与 Amazon S3 Vectors 索引等条件，并注明示例使用美国东部（弗吉尼亚北部）区域；模型与区域可用性、计费方式请以 AWS 官网当前信息为准。此外，托管知识库检索 API 不接受图像输入，以图搜图路径需直接调用 S3 Vectors 索引。