AWS SMGS 用 Amazon Bedrock AgentCore 构建 NarrateAI 对话助手，变革业务管理

一句话看懂

AWS SMGS 用 Amazon Bedrock AgentCore 构建了 NarrateAI，一个对话式业务智能助手，让高管用自然语言查询数据，告别传统仪表盘。

详细发生了什么

AWS 的销售、营销和全球服务（SMGS）组织面临传统 BI 的三大痛点：数据准备耗时、信息碎片化、访问门槛高。领导者需要花数小时手动整合多个仪表盘的数据，才能做决策。

NarrateAI 通过双层架构解决这些问题：

• 批处理层：自动生成基于角色的叙事报告。从 Amazon Redshift 提取数据，用 AWS Lambda 转换为 JSON，再通过 Jinja 模板渲染成可读文本，存储到 Amazon S3。每个用户有独立的叙事文件，实现行级安全。
• 实时交互层：基于 Amazon Bedrock AgentCore 构建。用户通过 Amazon Quick 或 Web UI 提问，AgentCore 协调多个专用 AI 代理（如问题分类、知识提取、相关性评估），从 S3 中检索对应叙事并生成回答。复杂问题自动拆解为并行子任务。

核心能力包括：自然语言查询、行级安全（用户只能看到授权数据）、基于角色的个性化体验（CEO 看全局，区域经理看本地细节）。

中文圈视角

这个案例对中文用户有几点参考价值：

1. 技术栈可复制：NarrateAI 使用的 AWS 服务（Bedrock AgentCore、Redshift、Lambda、S3）在国内可通过 AWS 中国区域或类似云服务（阿里云、华为云）实现。但 Bedrock AgentCore 目前在国内访问受限，可能需要使用国产替代方案，如百度千帆 AppBuilder 或阿里云百炼的 Agent 能力。

2. 双层架构思路值得借鉴：批处理+实时交互的设计分离了计算密集的数据处理和低延迟的问答，适合国内企业处理大规模报表数据。类似架构可以用在销售分析、运营监控等场景。

3. 行级安全是亮点：通过用户隔离的 S3 文件实现权限控制，比传统数据库行级权限更简单。国内企业做数据合规时，这种“数据不跨用户”的模式有助于满足《数据安全法》要求。

4. 中文场景的挑战：原文未提及中文支持，但 Jinja 模板和 Bedrock 模型（Claude Sonnet 4）都支持中文。国内企业需注意中文分词的准确性，以及业务术语的本地化（如“区域经理”对应“大区总监”）。

几条值得记住的细节

• NarrateAI 使用 Amazon Bedrock AgentCore 的多代理协调框架，将部署时间从数月缩短到数周。
• 批处理层通过配置驱动的 SQL 模板实现多层级数据提取，支持时间序列分析和用户权限控制。
• 实时交互层采用基于目录（TOC）的检索方式，只提取叙事文件的相关章节，提升响应速度。
• 系统支持简单查询（如“我团队本季度收入”）的快速路径和复杂查询（如“比较前五大客户在所有产品线的增长率”）的并行子任务分解。
• 每个用户的叙事文件存储在 Amazon S3 中，完全隔离，防止跨用户数据泄露。

一句话总结

NarrateAI 展示了如何用 Agent 架构把 BI 从“看仪表盘”变成“问数据”，国内企业可参考其双层设计和安全模式。