𝗔𝗺𝗮𝘇𝗼𝗻 𝗕𝗲𝗱𝗿𝗼𝗰𝗸 𝗔𝗴𝗲𝗻𝘁𝗖𝗼𝗿𝗲 𝗪𝗲𝗯 𝗦𝗲𝗮𝗿𝗰𝗵: 𝟳 𝗠𝗶𝘀𝘁𝗮𝗸𝗲𝘀 𝗧𝗵𝗮𝘁 𝗞𝗶𝗹𝗹 𝗣𝗿𝗼𝗱𝘂𝗰𝘁

Amazon Bedrock AgentCore Web Search：扼杀生产级 Agent 的 7 个错误

大多数 AI 团队在 2024 年都犯了一个错误。他们构建了依赖于静态数据的 RAG 流水线。

静态 RAG 流水线就像是一张互联网的照片。在你拍摄的那一刻，它就已经过时了。AWS 刚刚通过 Amazon Bedrock AgentCore 上的 Web Search 改变了这一点。

该工具让你的 Agent 能够使用实时数据，而无需你自行构建搜索基础设施。然而，许多团队在部署过程中失败了。

以下是你必须避免的 7 个错误：

• 将 Web Search 作为 RAG 的替代方案。 Web Search 用于时事和价格信息。RAG 则用于你的公司内部文档。请使用路由（router）为每个查询选择正确的路径。

• 认为 Bedrock Guardrails 涵盖了 Web Search。 事实并非如此。Web Search 是一个独立的路径。你必须亲自设置 AgentCore 策略控制，例如域名白名单和 PII 脱敏（PII scrubbing）。

• 在多 Agent 系统中运行冗余搜索。 在 AutoGen 等框架中，每个子 Agent 可能会分别调用搜索。这会导致你的成本增加 4 到 8 倍。请改用共享搜索记忆（shared search memory）。

• 忽视“知识冻结陷阱”（Frozen Knowledge Trap）。 当模型给出过时的答案时，不要责怪模型。问题很可能出在你的数据架构上。如果答案每周都在变化，你就需要实时搜索。

• 忽略可观测性（observability）。 如果你的 Agent 产生幻觉，你需要知道原因。是搜索结果不好，还是模型出错了？使用 Langfuse 来追踪每一步。

• 硬编码特定的端点（endpoints）。 AWS 会更新这些工具。请使用兼容 MCP 的工具描述符，以便你可以轻松更换供应商。

• 未进行提示词注入（prompt injection）测试。 一个被污染的网页可能会劫持你的 Agent。在正式上线前，请使用已知的注入载荷（injection payloads）对你的 Agent 进行测试。

如何构建生产级 Agent：

1. 对查询意图进行分类。
2. 路由至 RAG、Web Search 或 Memory。
3. 通过策略过滤器处理 Web 搜索结果。
4. 组装上下文并调用模型。

停止构建静态系统。向实时、基于事实的 Agent 迈进。

来源: https://dev.to/aarhamforensics_eb3c024eb/amazon-bedrock-agentcore-web-search-7-mistakes-that-kill-production-agents-2dkn

可选学习社区: https://t.me/GyaanSetuAi