用 Amazon Bedrock AgentCore 构建 AI 农机维修助手：技术详解与中文用户指南

一句话看懂

AWS 发布基于 Bedrock AgentCore 的农机维修 AI 助手方案，结合 RAG 和会话记忆，让技术人员用自然语言查询维修手册，减少停机损失。

详细发生了什么

AWS 官方博客发布了一篇技术教程，指导开发者使用 Amazon Bedrock AgentCore 构建一个面向农业机械的 AI 维修助手。该方案的核心组件包括：

• AgentCore Runtime 与 Strands Agents SDK 作为智能体框架，提供统一的 /invocations 端点处理前端请求。
• Amazon Nova 2 Lite 作为基础模型，成本为 $0.30/百万输入 token、$2.50/百万输出 token。
• Amazon Bedrock Knowledge Base 实现 RAG，索引存储在 S3 中的设备手册、零件目录和维修文档，使用 Amazon Titan Embeddings 进行语义匹配，OpenSearch Serverless 作为向量存储。
• AgentCore Memory 提供短期和长期会话记忆，支持跨 session 的上下文保持。
• 前端使用 React 并通过 AWS Amplify 托管，用户认证由 Amazon Cognito 管理。

架构分为四部分：认证与前端、AgentCore Runtime、AI 处理（含工具调用）、数据与记忆层。技术人员通过聊天界面提问，Agent 调用 search_equipment_knowledge 工具从知识库检索相关文档，模型综合生成带来源引用的诊断建议和维修步骤。

教程还提供了完整的部署步骤，包括创建 S3 存储桶、构建知识库、启动 CloudFormation 堆栈等，并给出了成本估算：测试期间主要费用来自模型调用和 OpenSearch Serverless（约 $0.24/小时），其他服务在免费套餐内。

中文圈视角

对中文开发者来说，这个方案有几点值得关注：

1. 技术可迁移性：虽然教程以农机维修为例，但架构完全通用。中文用户可以用它构建任何领域的知识问答助手，比如设备运维、医疗手册、法律条文查询等。核心逻辑——Agent + RAG + Memory——是通用的。

2. 模型选择：Amazon Nova 2 Lite 目前仅在部分 AWS 区域可用，国内用户需通过 AWS 全球区域（如美东、美西）访问。如果希望使用国产模型，可以将模型替换为通义千问或 DeepSeek（通过 Bedrock 的模型市场或自建推理端点），但需要调整 Agent 的 modelArn 配置。

3. 中文文档处理：Bedrock Knowledge Base 支持 PDF、TXT 等格式，对中文文档的解析和向量化表现良好。但建议将文档转为可搜索的 PDF（非扫描件），并注意编码（UTF-8）。如果使用 OpenSearch Serverless，中文分词可能需要额外配置。

4. 合规与数据安全：如果涉及敏感数据（如企业内部维修手册），建议将知识库部署在 AWS 中国区域（如北京、宁夏），或使用 Amazon SageMaker 自建 RAG 方案。AgentCore Memory 会存储会话数据，需注意数据出境合规。

5. 国产平替：国内类似方案可参考阿里云百炼（Agent + 知识库）、百度千帆（AppBuilder）或华为云盘古助手。它们都提供类似 Agent + RAG 的能力，但生态和文档成熟度不同。AWS 方案的优势在于与 Bedrock 原生集成，调试和扩展更灵活。

几条值得记住的细节

• 模型成本：Amazon Nova 2 Lite 输入 $0.30/百万 token，输出 $2.50/百万 token，适合测试和生产。
• 知识库创建：建议使用 PDF 格式文档，确保文本可搜索；同步数据源约需 10-20 分钟。
• 记忆功能：AgentCore Memory 支持短期（session 内）和长期（跨 session）记忆，技术人员无需重复描述设备型号。
• 部署前提：需要 AWS CLI v2.0+、Python 3.10+，并在同一区域部署所有资源。
• 工具调用：Agent 通过 @tool 装饰器定义 search_equipment_knowledge 函数，调用 Bedrock 的 retrieve_and_generate API。

一句话总结

这套方案为中文开发者提供了一个可复用的 AI 助手模板，尤其适合设备维修、知识库问答等场景，但需注意模型区域可用性和中文文档处理细节。