Case3｜云端AI Agents系统开发的探索与实践
章毅
嘉宾介绍
章毅，自然语言处理和对话系统专家。现任职于亚马逊云服务（AWS），是 Agentic AI Science 团队的主任科学家（ Principal Scientist ），负责带领 GenAI Agent 系统应用开发相关的科研任务。本科、硕士毕业于上海交通大学计算机系，2008 年获得德国萨尔兰德大学计算语言学博士学位，2007-2013 年于德国人工智能研究中心和萨尔大学任职，从事 NLP 科研与教学。 2013-2018 年于 Nuance Communications 公司参与车载语音对话系统和医疗语音、文档处理应用的开发。自 2018 年，在 AWS 主导了支持 AWS Bedrock & Bedrock Agents、Amazon Titan (LLM)、 AWS Lex、AWS HealthScribe 等多个产品项目的科研工作。自 2000 年初起在 NeurIPS、ACL、 EMNLP、 NAACL、AAAI 等 NLP 及 AI 国际会议上发表学术论文过百篇。
当前，AI Agent 的开发呈现爆发式增长，机遇与挑战并存。在大模型逐步展现通用智能特性的背景下，AI Agents 已在客服、软件开发、财务分析、科研辅助等领域崭露头角，展现出强大的场景扩展潜力。与此同时，三大技术瓶颈亟待突破：算力成本指数级攀升、系统行为不可控性加剧、长周期复杂任务成功率不足。在 InfoQ 举办的 QCon 全球软件开发大会上，亚马逊 Agentic AI Science 团队主任科学家章毅分享了“云端 AI Agents 系统开发的探索与实践”，他结合金融分析、电商平台等典型场景，深入解析了三大破局方案——基于多智能体协作架构、混合编排系统、以及集成多种验证机制的实时监控层，并系统性展望 AI Agents 在云计算范式下的演进路径与商业落地可行性。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 章毅是亚马逊云服务（AWS）Agentic AI Science团队的主任科学家，在NLP及AI国际会议上发表了过百篇学术论文。 2. AI Agents在客服、软件开发、财务分析、科研辅助等领域展现出强大的场景扩展潜力。 3. 三大技术瓶颈亟待突破：算力成本指数级攀升、系统行为不可控性加剧、长周期复杂任务成功率不足。 4. 章毅在InfoQ举办的活动中深入解析了三大破局方案：基于多智能体协作架构、混合编排系统、以及集成多种验证机制的实时监控层。 5. AI Agent的认知架构包括长期记忆和短期记忆、规划、交互和通信等组件。 6. AI Agent领域已经出现了一些成功的应用案例，但仍面临着挑战，包括任务完成成功率不匹配、行为缺乏一致性和算力成本较高等问题。 7. 多智能体协作被认为是一种可能有效的新设计范式，尤其是在提高准确性和可控性方面。 8. 电商客服流程自动化系统MARCO基于多智能体实现自动化的客服系统，通过级联的层次化多智能体网络来处理客服需求。 9. 在开发过程中，MARCO系统引入了不同的护栏机制，包括基于规则的系统和机器学习模型，以提高系统的正确性。 10. 云端Agent技术前瞻指出了AI Agent开发中的痛点，以及未来可能出现的新的云端Agent基础组件。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《致程序员：AI 百问百答》，新⼈⾸单¥0.11
《致程序员：AI 百问百答》，新⼈⾸单¥0.11
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论