多 Agent 系統上生產線，AWS 指有五關要過

AWS 解決方案架構團隊於 2026 年 10 月 21 日喺 AWS Machine Learning Blog 刊文，指多 Agent（多代理，即多個 AI 協作）系統架原型「幾日就得」，但一上生產線就撞牆。

同篇提出，團隊要將 pilot 轉入真正業務應用，常見癥結係「點解個 agent 唔跟住我哋嘅業務邏輯、跳過驗證步驟、又冇捕獲 edge case」。文章指調 prompt、加 example、換模型都冇用，因為 agent 唔係跟固定步驟，而係根據 context 自行判斷，要設計成個認知架構同執行流，唔止 prompt engineering。

為應付呢啲挑戰，AWS 團隊建咗一個 production-grade 多 Agent 系統，稱做 Deep Insight。畀個 CSV 檔加一句自然語言 prompt，系統由一組分工 Agent（Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker）協作，負責讀數據、跑分析、出圖、驗證計算，最後產出帶引用嘅 .docx 報告。文章話呢個係三篇系列文章嘅第一篇，會展示佢哋點樣套用 Anthropic 提出嘅 Context Engineering（多 Agent 架構、結構化筆記、human-in-the-loop 等）喺真實生產環境，並列明底層使用 Strands Agents SDK、Amazon Bedrock、Amazon Bedrock AgentCore、Application Load Balancer 同 AWS Fargate。

文章有附一個 deep insight web demo 影片。需要留意：呢個係 AWS 自家解決方案團隊嘅示範，唔係獨立第三方評測；「production-grade」係 AWS 自己嘅形容。

阿調搞兩下：呢種「上生產線」嘅文章，讀法要分兩層——一層係技術棧本身有冇可複用嘅設計，例如 Validator Agent 獨立檢查 Coder 嘅輸出、Tracker 追蹤任務；另一層係 AWS 用自家底層產品組合做 demo，對住其他雲、其他框架嘅適用性要另查。文章本身冇獨立測試數據，讀者要將「production-grade」當廠商形容，唔好當既成事實。