2026 年 11 月 2 日，AWS 喺自家 Machine Learning Blog 刊文，展示點樣用一個多代理（multi-agent）系統，幫手處理太空零件「換料」評估——即某一顆已通過認證嘅零件過時或者交貨期太長，工程師要替換時，原先要逐個檔案對對數。
做緊乜嘢
背景係：當太空零件過時或者交貨要等好耐，工程師以往要逐份對對數據手冊（datasheets）、介面控制文件（ICD，Interface Control Documents）同認證記錄，再寫一份「換料理據」俍人審。一換錯個飛行關鍵件，任務可以直接失敗；而證據往往散落喺 email 同唔成文嘅經驗入面，審批者冇一套正式、可重覆嘅「證據包」可以逐項核。呢篇文係跟住同一系列上一篇「Manufacturing intelligence with Amazon Nova Multimodal Embeddings」（展示點樣喺工程圖、熱圖、數據表取回答案）之後，將該取回能力放入一個由取回到起草評估嘅多代理系統。
架構：三根支柱
系統建喺一條設計原則上：工程師做每一個決定，系統只負責「攞證據、起草文檔」，唔會自行推薦或批准任何換料。
- 確定性規格比對：用 Python 寫嘅容差規則代碼，將每個候選件同原參考件、同工程師要求比對打分明細。同一組輸入會產生同一組 pass / flag 結果，所以可以進入正式工程審批。
- 多代理編排：一個輕量 planner（Claude Haiku 5.5）將查詢路由俍三個專項 agent（Catalog、Evaluation、Knowledge）；當有超過一個專項 agent 參與時，supervisor（Claude Opus 5.5）會綜合各專項發現。例如「查呢個 wheel 會唔會 end-of-life，找替代品，並評分」會串起全部三個專項 agent 依次執行。
- 人審在環（human-in-the-loop）：系統會起草理據備忘同 Integration Impact Assessment 俍工程審批，但唔推薦、唔批准任何換料。每次評估都會寫入一條符合 AS9100 第 8.4 節同第 8.5.6 節嘅審計日誌。
用緊乜
堆棧包括 Amazon Bedrock AgentCore（AWS 嘅多代理組建、連通同調優平台）、Amazon Nova Multimodal Embeddings、同開源 Strands Agents SDK。多代理圖運行喺 AgentCore runtime，planner、specialists、supervisor 分別用 Claude Haiku 5.5、Claude Sonnet 5.5、Claude Opus 5.5。
阿調搞兩下：呢套嘢嘅賣點唔係「AI 夠聰明幫你換零件」，而係「確定性代碼幫你對數、LLM 幫你攞證據起草、人先拍板」。呢個分工對航空航太呢類高風險場景係對嘅路：同輸入必出同結果，先至寫入得審批文件；「系統唔會自行批准」呢句寫入設計原則，唔係口頭承諾。廠商話呢個做法係「cuts the manual cross-referencing」，到底省咗幾耐，要等獨立測試先至答得到。
阿調｜深度調教
