AWS 教程展示如何用 Nova 多模态嵌入和 AgentCore 构建带人工审核的航天部件替代评估系统

AWS 发布了一篇关于构建多智能体工程助理的技术教程，旨在解决航空航天领域关键部件替换时跨文档交叉验证耗时且缺乏正式证据链的问题。该方案利用 Amazon Bedrock AgentCore 作为编排平台，结合 Amazon Nova Multimodal Embeddings 处理非结构化图表与图片，以及开源 Strands Agents SDK 实现工具调用。系统核心设计原则是工程师保留最终决策权，AI 仅负责组装证据并起草文档，确保所有评估结果符合 AS9100 等工程审查标准。

架构细节上，系统采用三层模型分工策略：使用 Claude Haiku 5.5 进行快速的路由分类，Claude Sonnet 5.5 执行具体的工具调用与专家任务，仅在需要综合多个专家意见时才调用 Claude Opus 5.5 进行合成，以此平衡延迟与成本。在数据处理层面，Nova Multimodal Embeddings 被用于两个关键路径：一是将数据手册、接口控制文档（ICD）和性能图表嵌入同一语义空间以支持文本或图像查询；二是计算候选部件照片之间的余弦相似度，为物理尺寸匹配提供量化依据。此外，系统强制要求规格匹配评分必须通过 Python 代码运行确定性规则，而非依赖大语言模型的生成能力，从而保证结果的复现性。

该教程提供了完整的 GitHub 代码库和 Jupyter Notebook 示例，展示了如何配置 S3 Vectors 索引以支持图像即查询功能，以及如何通过 AgentCore Gateway 集成实时网络搜索以获取部件生命周期状态。文章还披露了在线评估指标，如正确率高达 0.968，但目标成功率仅为 0.892，后者因包含安全拒绝测试（即代理拒绝自动批准替换）而人为降低。最后，作者强调了在生产环境中部署时的注意事项，包括使用不可变标签管理镜像版本、配置严格的 Cedar 授权策略以及处理图像检索路径中的静默回退问题。