2026. október 18., vasárnap · Eszközök

Az AWS folyamatos minőségellenőrzést épített AI-ügynökei alá

Az AWS saját blogbejegyzésében bemutatja, hogyan épített folyamatos minőségellenőrző keretrendszert AI-ügynökei számára az Amazon Bedrock AgentCore segítségével. A vállalat belső rendszerében eladók és értékesítési vezetők egyszerű nyelvű kérdéseket tehetnek fel az Amazon Quick felületén, a háttérben pedig több specializált alügynök dolgozik, köztük a Performance Insights, a Customer Insights és a Data Insights Agent. Az AWS szerint a bevezetés előtti tesztelés során a Customer Insights Agent egy 410,08 dolláros háromhavi bevételt „410,08 millió dollárként” jelentett, korrekciók nélküli bevételt tüntetett fel korrekciós adatként, saját számításait forrásból származó tényként mutatta be, és olyan éves ismétlődő bevétel-becslést adott, amely egyáltalán nem szerepelt az adatokban. A cég kiemeli, hogy ezek alatt a futások alatt a monitoring rendszer végig zöld állapotot jelzett, vagyis csak azt mutatta, hogy a rendszer válaszolt, nem azt, hogy a válasz helyes volt.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Az eset rávilágít, hogy a hibás AI-ügynöki válaszok éles üzleti döntéseket, például területi stratégiát és ügyfél-tárgyalásokat torzíthatnak, miközben a hagyományos zöld státuszú monitoring ezt nem jelzi.

Források

AWS Machine Learning Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #Amazon Bedrock AgentCore#AI-ügynökök minőségellenőrzése

Napi összefoglaló

Ez a hír a 2026. október 18., vasárnap napi AI összefoglaló része.

Kapcsolódó hírek

AWS bevezette a Bedrock AgentCore Runtime Instances futtatási módot

Az AWS hivatalos gépi tanulási blogján bemutatta a Bedrock AgentCore Runtime Instances nevű új futtatási opciót, amely AWS által kezelt EC2-infrastruktúrán teszi lehetővé tartós, akár több napig futó ügynök-munkafolyamatok üzemeltetését. Ez kiegészíti a meglévő, szerveroldal nélküli MicroVM opciót, amely gyors indítású, de csak néhány órás munkameneteket támogat. A cikk egy demonstrációs példán mutatja be a működést: három specializált ügynök (zeneszerzés, kiszállítás, ellenőrzés) osztozik egyetlen GPU-s EC2-példányon és közös munkameneten, megosztott fájlrendszeren keresztül dolgozva a Claude Sonnet 4.6 nyelvi modellel és az ACE-Step nevű nyílt forráskódú generatív zenei alapmodellel. Az AWS állítása szerint a Runtime Instances támogatja a tartós tárolást, a GPU-kat és több ügynök egyidejű elhelyezését ugyanazon a gépen, ugyanazokat a futtatási API-kat használva, mint a MicroVM. A bejegyzés technikai útmutatóként szolgál fejlesztők számára, akik ilyen többügynökös rendszereket akarnak telepíteni.

AWS: automatikus rendszerprompt-optimalizálót mutatott be a Bedrock AgentCore-hoz

Miután korábban bemutatta, hogyan lehet agentikus alkalmazásokat átvinni a Bedrock AgentCore platformra, az AWS most egy új funkciót részletez: az AgentCore optimalizálás rendszerprompt-optimalizálóját. Az AWS állítása szerint az eszköz az AgentCore Observability által rögzített valós, éles forgalomból származó nyomokat (traces) és egy jutalomjel-mechanizmust használ fel arra, hogy javított rendszerpromptot javasoljon egy ügynökhöz, a javaslatot pedig offline kötegelt kiértékeléssel és élő A/B teszttel lehet validálni, mielőtt bevezetnék. A promptot egy úgynevezett agentikus reflektor komponens állítja elő, amely a sikeres és sikertelen futások közti mintázatokat azonosítja, és indoklást is ad a javasolt módosításokhoz. Az AWS blogbejegyzése saját, egyszer-ügynökös és kísérleti, nyílt forráskódú többügynökös reflektor változatot is összehasonlít két nyilvános benchmarkon a GEPA és a MIPROv2 nevű módszerekkel, ám ezek a mérési eredmények a vállalat saját közlésén alapulnak, független megerősítés nélkül.

AWS bemutatta a többcsatornás WhatsApp-alapú AI rendelési asszisztenst

Az AWS hivatalos blogbejegyzése szerint a vállalat megoldást tett közzé arra, hogyan lehet Amazon Bedrock AgentCore és Amazon Nova 2 modellek segítségével multimodális WhatsApp rendelési asszisztenst építeni gyorséttermek számára. A leírás szerint egyetlen WhatsApp Business-számon keresztül a vevő szöveges üzenetet, hangüzenetet vagy hívást is indíthat, és az AI ügynök a köszönéstől a visszaigazolásig önállóan intézi a rendelést. Az AWS állítása szerint mindhárom csatorna közös backendet és egységes memóriát használ, így felismeri, ha ugyanaz a vásárló ma írt, holnap pedig telefonált. A szöveget az Amazon Nova 2 Lite, a valós idejű beszédet az Amazon Nova 2 Sonic kezeli, a felületet a Meta WhatsApp Business Platformja adja, a telepítést pedig az AWS CDK végzi.

AWS útmutatót adott ki agentikus rendszerek Bedrock AgentCore-ra költöztetéséhez

Az AWS hivatalos blogbejegyzése egy konkrét példán, egy LangGraph-alapú ügyfélszolgálati ügynökön keresztül mutatja be, hogyan vihető át egy éles agentikus alkalmazás az Amazon Bedrock AgentCore platformra. A cég állítása szerint a migráció két szakaszban történik: az első lépésben az ügynök változatlan logikával kerül át az AgentCore Runtime, Gateway és Memory szolgáltatásokra, ami kezeli a felhasználói munkameneteket, az állapotmegőrzést és az eszközök hitelesítését, míg a második szakaszban a kézzel írt döntési ág helyett modellvezérelt tervezés épül be a Strands Agents keretrendszerrel. Az AWS szerint ezzel tíz olyan üzemeltetési terhet lehet leválasztani az ügynök tényleges logikájáról, mint a munkamenetek elkülönítése, az állapotkezelés vagy az operációs rendszer patchelése; a leírás fejlesztői gyakorlati útmutató, nem független teszteredmény.