用 Amazon Bedrock AgentCore 自动化提取网页洞察：架构解析与中文圈应用指南

一句话看懂

AWS 发布了一套基于 Bedrock AgentCore 的自动化网页洞察提取方案，用托管浏览器渲染 JS 页面，结合 AI 分析和语义搜索，解决手动追踪竞品和行业趋势的痛点。

详细发生了什么

AWS 机器学习博客发布了一篇技术文章，介绍如何构建一个端到端的自动化网页洞察提取系统。该系统由 Amazon Bedrock AgentCore Browser、Amazon Bedrock、Amazon OpenSearch Serverless 和 AWS Lambda 组成，采用事件驱动架构，将内容采集与 AI 处理分离。

核心流程是：EventBridge 每 15 分钟触发 Lambda 检查 RSS 源，新文章通过 AgentCore 托管浏览器渲染（支持 JavaScript 重页面），截图和 HTML 存入 S3；随后 S3 事件触发 SQS 队列，第二个 Lambda 提取文本（大文件用 html-to-text，小文件用 Readability），再交给 Bedrock 生成摘要、主题、实体和洞察，并生成向量嵌入存入 OpenSearch Serverless，支持关键词和向量搜索。用户通过 Cognito 认证，前端是 React 应用，还提供了 MCP 服务器供 AI 助手接入。

文章还给出了多个应用场景：竞品情报、市场研究、内容策展和合规监控。完整代码在 GitHub 仓库中。

中文圈视角

对中文用户来说，这套方案的核心价值在于”托管浏览器”解决了国内开发者常见的痛点——很多目标网站（如海外竞品官网）依赖 JS 渲染，传统爬虫容易失效。但直接使用 AWS 服务需要海外账号和网络环境，且数据出境合规问题不可忽视。

国内替代方案可以参考：阿里云函数计算 + 无头浏览器（如 Puppeteer）可做类似渲染，但缺少托管浏览器服务；百度智能云或阿里云的 OpenSearch 类似产品可替代 OpenSearch Serverless；大模型方面，国内可用通义千问或 DeepSeek 替代 Bedrock。不过，AgentCore 的”托管浏览器”能力目前在国内云厂商中还没有完全对等的服务，这是 AWS 的差异化优势。

对于有出海业务或需要监控海外信息的团队，这套方案值得参考，但建议先评估数据合规路径，比如将数据存储和处理限制在合规区域。

几条值得记住的细节

• RSS 检查频率为每 15 分钟一次，默认过滤 24 小时内的新文章。
• 使用 Playwright 通过 CDP 连接 AgentCore 托管浏览器，而非在 Lambda 中运行无头浏览器。
• 大 HTML 文件（超 1 MB）用 html-to-text 简化，小文件用 Mozilla Readability 提取正文。
• 向量嵌入支持语义搜索，例如查询”新兴设计趋势”能返回相关结果，即使原文没有这些词。
• 提供 MCP 服务器，允许 AI 助手通过统一接口访问系统。

一句话总结

这套方案展示了 AWS 全托管自动化洞察的架构，中文用户可借鉴思路，但落地时需考虑合规和国内平替。