亚马逊Bedrock AgentCore助力构建HR AI代理，成本降低97%

一句话看懂

AWS与日本HR公司WHI合作，用Amazon Bedrock AgentCore构建两个AI代理，将通勤津贴审批和浏览器操作自动化，成本降低97%。

详细发生了什么

Works Human Intelligence (WHI) 是日本大型HR系统供应商，客户需要处理组织变更、员工信息更新等大量日常事务。AWS Generative AI Innovation Center (GenAIIC) 与WHI合作，使用Amazon Bedrock AgentCore构建了两个AI代理：

通勤津贴代理：自动化审批员工搬迁等场景下的通勤津贴申请。最初用LangGraph加Amazon ECS和Fargate开发，但团队担心单体架构问题。迁移到AgentCore后，子代理在独立Runtime上运行，并通过DynamoDB和Cognito实现多租户管理。入口通过Slack调用，认证后由子代理处理请求。
浏览器操作代理：代表客户操作HR系统“COMPANY”，检查内容、执行操作并收集证据。最初用LangGraph加Playwright MCP，但面临迁移困难。改用Strands Agents后，通过知识库搜索操作模板、替换占位符、生成操作手册，再基于手册操作浏览器。最终实现成本降低97%。

关键优化措施包括：启用Amazon Bedrock prompt caching（$14.5→$2.1）、优化子代理提示词减少不必要操作（$2.1→$1.0）、将模型从Claude Sonnet 4.5切换为Haiku 4.5（$1.0→$0.4）。

中文圈视角

对国内企业而言，这个案例有几点值得关注：

技术选型参考：国内类似场景通常使用阿里云百炼、百度千帆等平台，但AgentCore的多代理协作和Observability能力值得借鉴。如果使用国产平台，可关注其是否支持类似的多租户、子代理独立Runtime架构。
成本优化思路：通过prompt caching、模型降级、优化提示词将成本降低97%，这对国内企业同样适用。国产模型如DeepSeek、Qwen也提供类似缓存功能，但需注意定价差异。
浏览器自动化：国内HR系统如北森、用友等，也可通过类似方式实现自动化操作。但需注意，国内浏览器自动化工具（如RPA）与AI代理的结合尚在早期，Playwright等工具需要梯子才能顺畅使用。
合规考量：HR数据涉及员工隐私，国内企业需确保数据不出境。如果使用AWS，需确认数据存储区域；如果使用国产平台，需关注数据安全合规要求。

几条值得记住的细节

通勤津贴代理通过Slack入口调用，使用DynamoDB和Cognito管理多租户。
浏览器操作代理使用fast playwright工具，消耗token最少。
通过prompt caching，成本从$14.5降至$2.1；模型从Sonnet 4.5换成Haiku 4.5后，成本进一步降至$0.4。
代理能够处理连续变更和模糊指令，通过自主判断向人类提问。
AgentCore Observability替代了自托管的Langfuse，降低了运维成本。

一句话总结

用AI代理自动化HR日常操作，成本可降低97%，国内企业可参考其架构和优化思路，但需注意工具和合规差异。