用 Amazon Bedrock 和 AWS Lambda 构建智能应用部署器：PDI Brew 实战解析
了解 PDI Technologies 如何用 Amazon Bedrock 和 AWS Lambda 构建 PDI Brew，让非技术人员用自然语言描述即可获得多租户 Web 应用。本文解析架构、安全模型和成本，并讨论对中文开发者的启示。
一句话看懂
PDI Technologies 构建了 PDI Brew，让非技术人员用自然语言描述需求，几秒内获得一个由 AWS 托管的多租户 Web 应用，背后是 Amazon Bedrock 和 AWS Lambda 驱动的智能体架构。
详细发生了什么
PDI Technologies 服务便利零售和石油批发行业，有 40 年经验，约 4000 名员工，客户遍布 200 多个国家和地区，覆盖 20 多万个站点。他们发现传统内部工具交付流程繁琐，一个小工具也要走完整开发周期，导致大量需求被积压。
为此，PDI 构建了 PDI Brew 平台。员工用自然语言描述所需工具，平台几秒内生成一个完整的多租户 Web 应用，自带 SSO 登录，运行在 AWS 上，无需 Git、终端或 DevOps 知识。每个应用默认继承企业级安全，并可选择接入由 Amazon Bedrock 支持的 AI 能力（聊天、摘要、分类），但作者无需接触模型端点或 API key。
架构核心是两个智能体：
- 规划智能体：捕获用户意图，输出结构化的部署清单（JSON），包含应用名、类型、数据模式和访问控制设置。它有两种模式：Path A 作为 Vibe Skill 运行在现有 AI 助手（如 Claude、ChatGPT）中；Path B 通过 Amazon Bedrock 在 AWS 信任边界内运行，适合严格数据驻留要求的团队。
- 部署智能体：一个 AWS Lambda 函数，接收清单后验证、分类工作负载，选择部署路径，调用 AWS 和 Microsoft Graph API 作为工具，处理长时步骤，最终返回可访问的 URL。
这种设计将规划（可对话、可生成）与部署（需确定性、可审计）分离，确保部署过程无幻觉、可复现。
中文圈视角
PDI Brew 的架构思路对中文开发者有很强的借鉴意义。首先，它展示了如何用智能体将“自然语言到应用”的流程产品化，这与国内低代码平台（如阿里宜搭、腾讯微搭）的目标相似，但实现路径更“智能体原生”。国内开发者可以借鉴其“规划智能体 + 部署智能体”分离的模式，避免将 LLM 直接放入关键决策路径，提高可靠性。
其次，Path B 的 Bedrock 模式体现了数据驻留合规的重要性。国内企业有类似需求，可参考其将规划逻辑放在云边界内、用 CloudTrail 审计的设计，但需注意使用国产模型（如通义千问、DeepSeek）时，如何适配类似的清单机制。
最后，PDI Brew 的“意图进，应用出”模式，可能启发中文社区构建类似工具，但需考虑国内云生态差异，比如用阿里云函数计算替代 Lambda，用 ModelScope 替代 Bedrock。
几条值得记住的细节
- 规划智能体支持两种模式，通过环境变量
PLANNER_MODE切换，且两种模式输出相同的部署清单，下游无需改动。 - 部署智能体运行在 AWS Lambda 上，通过异步自调用处理长时部署步骤，避免超时。
- 每个应用默认继承企业 SSO、scoped IAM、HTTPS 和集中式可观测性，没有“不安全”路径。
- AI 能力通过受控网关提供，带 guardrails、配额和审计日志，禁止应用自带模型密钥。
- 架构使用 Amazon API Gateway、DynamoDB、S3、CloudFront 和 Bedrock，认证支持 Microsoft Entra ID。
一句话总结
PDI Brew 展示了智能体如何将内部工具交付从“开发周期”变为“对话即得”，对中文开发者构建类似平台有直接参考价值。