AWS Machine Learning Blog

Taxonomy of agentic primitives in Amazon Quick

8.5内容质量
Taxonomy of agentic primitives in Amazon Quick

TL;DR · AI 摘要

Amazon Quick通过分解代理工作为四个问题定义了统一的原语,解决了系统设计中的术语混乱问题。

核心要点

  • 触发器分为四类:人工启动、代理委托、定时和事件驱动
  • 代理是持久学习的执行者,其差异源于不同指令/能力和历史
  • 框架通过When/What/Who/How四维分解实现系统可解释性

结构提纲

按章节快速跳转。

  1. 揭示代理系统设计中术语混乱导致的产品设计问题

  2. 展示触发器-代理-能力的四维关系模型

  3. 解析四类触发器的执行特性差异

  4. 阐明代理作为学习执行者的本质特征

  5. 描述工具/技能/工作流的组合关系

  6. 说明运行时数据如何反哺系统进化

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • Amazon Quick代理原语分类
    • 四维分解模型
      • When? 触发条件
      • What? 任务内容
      • Who? 执行主体
      • How? 执行方式
    • 核心组件
      • 触发器(Triggers)
      • 代理(Agents)
      • 能力(Capabilities)
      • 学习反馈(Learning)

金句 / Highlights

值得收藏与分享的关键句。

  • 触发器同时承载When?和What?双重语义,如人类消息即触发条件又含任务描述

    — 第3段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 代理差异源于指令/能力/历史三要素,而非执行的指令本身

    — 第5段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 定时触发器采用保守策略(如遇不确定不做操作),人工触发器则需响应(如询问而非停止)

    — 第4段

    ⬇︎ 下载 PNG𝕏 分享到 X
#Amazon Quick#AI代理#AWS#系统设计
打开原文

Amazon Quick 中智能体原语的分类 | 人工智能

Amazon Quick 中智能体原语的分类

过去一年中,随着我们构建 Amazon Quick,我们的智能体从回答问题发展到能够执行操作:安排会议、进行研究、生成报告。随着系统演进,一个持续出现的问题是:缺乏对智能体工作基础原语的统一定义。相同的核心概念反复以不同名称被重新构建:执行工作的执行者、启动流程的信号、封装的程序以及传递经验教训的记忆。这种重复影响了产品设计,也困扰了用户。

例如当用户说“监控我的 Slack 频道并发送每日摘要”时,这究竟是一个新智能体、对现有智能体的定时指令、一个工作流还是一个技能?这些问题本质上不同,但缺乏统一术语时就会变成令人困惑的选择。

本文分享了我们最终确定的分类体系:通过将智能体工作分解为四个基本问题(何时?做什么?谁?如何?)得出的一组原语。该框架通过设计对终端用户保持透明,但统一的术语体系为底层开发者提供了更清晰的系统理解基础。

框架概览

图1:触发器、智能体和能力之间的关系,以及学习如何从会话运行时反馈

触发器启动工作并携带任务信息(何时和做什么),智能体接手任务(谁)并利用其能力(工具、技能和工作流)执行任务(如何)。本文将描述这些原语及其相互关系。这是系列文章的第一篇,后续文章将涵盖我们的智能体操作系统、背景学习、主动信息流等内容。

触发器:什么导致工作开始

触发器是启动工作的激活机制,但它们也携带指令:人类消息既是激活时刻也是任务描述。它们同时定义了任务的何时和做什么。

  • 人工触发:人类开启对话并要求智能体执行操作。交互式、同步、对话式。
  • 智能体委托:一个智能体在任务执行过程中调用另一个智能体处理子问题。编程式、可组合、可能递归。
  • 定时触发:基于时间的激活,如“每周一上午9点执行财务研究”。确定性执行,所有运行实例使用相同的指令。
  • 事件驱动:来自外部系统的信号,如新邮件、Slack@提及、文件变更或Webhook。

触发器类型影响执行方式:定时后台任务可能保持保守(例如不确定时不做任何操作),而人工触发任务则会更主动(例如通过提问而非直接停止)。

智能体

我们将智能体定义为持续学习的执行者。它是任何执行过程中的谁,也是学习积累的基准点。两个输入完全相同的智能体可能产生不同结果,因为它们携带不同的指令、能力和历史记录。智能体本身不是它遵循的指令,而是解释这些指令的实体。它由三个要素组成:

  • 指令:定义角色、上下文文件和操作原则的持续指导。金融智能体与通用助手行为差异主要源于此。
  • 能力:可用于操作的工具、技能、工作流程和子代理,会根据使用情况动态更新。一个图表库可以在一次会话中添加,下一次会话中移除。
  • 学习上下文:通过使用积累的记忆:对工具有效查询的记录、用户偏好的格式、他们关注的边界情况。正是这种积累使得第十次执行的表现通常优于第一次,即使没有人修改指令。

所有其他因素都属于外在因素:代理底层使用的大型语言模型(LLM)是一个可替换的模型参数,对话历史是会话级别的状态,触发器属于平台本身。

这一定义的直接后果是,用户请求“我希望有一个代理监控我的Slack并在每天早晨发送摘要”通常是对现有代理添加的触发器,而不是创建新的代理或工作流程。通过这种表述,我们可以将聊天代理、定时代理和“自主”代理合并为一个角色,您可以与之对话、安排任务,并且它能够协调和检查自己的过往工作。

能力

能力决定了代理如何行动,其范围从完全自主到完全确定性。这个维度本质上是信任契约:代理保留的自由度与用户提前设定的约束之间的平衡。

工具是具有类型化模式的原子操作:发送电子邮件、查询数据库、读取文件。无论是一个本地函数、一个模型上下文协议(MCP)服务器,还是通过协议边界连接的其他代理,调用者看到的接口都是一致的:名称、描述、参数和结果。

技能是带有判断空间的结构化指导:包含资源(模板、脚本、示例)的指令集,描述的是方法而非固定步骤序列。它们通过渐进式披露加载,因此代理在相关性出现前只会看到名称和简短描述,当某个技能变得相关时才会读取完整指令。因此,技能可以封装任意深度的专业知识而不会产生持续成本。

工作流程是确定性协调:声明的步骤、控制流、分支和错误处理,按照固定顺序执行,决策逻辑通过代码而非模型推断实现。例如采购审批流程:预算检查、经理审批、然后是财务部门,每一步都会被记录。流程是固定的,但步骤内的判断仍然是代理的。

图2:技能与工作流程的对比,区别在于是代理还是代码决定步骤顺序

为什么技能和工作流程能超越模型改进

一个自然的问题浮现:如果模型持续改进,技能和工作流程是否会变得多余?我们认为不会,因为它们各自的价值独立于模型能力。技能是捕获、版本化和共享机构专业知识的单位,而工作流程提供可审计性、逐步可见性和确定性多服务协调。它们也不是固定的:一个被充分理解的技能可以固化为工作流程(结晶),一个不断遇到边界情况的工作流程也可以松散回退为技能(溶解)。我们将在未来文章中描述的持续学习框架,通过Quick实现了这一过程。

  • 通过确定性步骤和错误处理机制调用工作流执行相同任务。

这三种方式都会按照计划生成每日摘要。不同之处在于置信度契约。信任代理的用户会选择第一种,因不一致而受损的用户会选择第二种,需要运行合规敏感流程的用户会选择第三种。

学习会随着时间改变这一轨迹。一个最初只有一句话的任务("检查我的电子邮件中是否有紧急事项")会积累领域相关的学习成果:有效的查询方式、偏好的格式以及重要发件人识别。第十次执行时表现明显提升,无需人工编码即可实现。正确的设计是满足用户置信度要求的最简方案,并在用户需要时提供通过自主学习进阶的路径。

结论

这种代理原语分类法的价值在于,通过四个简单问题(When、What、Who和How)即可定位任何代理工作,从单行聊天请求到计划执行的合规级流程都适用。共享统一的术语体系使构建者能够推理系统运作,同时让产品隐藏复杂性。最重要的是,用户无需学习任何相关内容。他们只需表达需求,系统就会自动组合合适的原语来完成任务。

系列文章下一部分:基于这些原语构建的代理操作系统,驱动Amazon Quick运行。

继续探索

作者简介

'"` /think