Amazon Bedrock 是甚麼?看懂 AWS AI 發布前,先分清三個角色
Tech News

Amazon Bedrock 是甚麼?看懂 AWS AI 發布前,先分清三個角色

圖片:AWS
TechLab 編輯部·

AWS re:Invent 2026・TechLab 出發前系列

看 AWS 的 AI 發布,最容易混淆的是產品名稱的層次:Amazon Bedrock、個別 AI 模型與 AgentCore 經常一起出現,但它們在一個 app 裏負責的工作不同。TechLab 將赴 re:Invent 2026,這篇先用「替客服草擬回覆」的例子,把幾個角色拆開。

Bedrock 是平台,模型負責理解與生成

按 AWS 的產品介紹,Bedrock 提供建立生成式 AI app 所需的平台能力,包括模型選擇、評估、企業資料整合和安全檢查。使用它的團隊仍要決定 app 解決甚麼問題、接收甚麼資料,以及怎樣驗證輸出。

模型則是實際處理輸入、生成內容的部分。AWS 的模型目錄按供應商和模型列出選擇。看到「支援某模型」時,下一步應打開該模型的詳細資料,核對版本、可用地區與需要的功能,而不是把整個平台的能力當成每個模型都具備。

對只想偶爾寫電郵的人,這個分工未必影響日常操作;對想把 AI 放進自家客服系統的團隊,它決定了要接哪個服務,以及出問題時從哪一層追查。

用客服草稿,分開三種工作

假設顧客問:「我的訂單還未送到,可以退款嗎?」一個設計清楚的流程,可以先找出訂單狀態和適用的退款規則,再由模型組織回覆,最後讓客服確認。這是說明架構的假設例子,並非 TechLab 已部署的系統。

當中的模型只負責理解和生成文字;訂單資料要由獲准存取的系統提供;真正退款則是另一項有後果的操作。回覆寫得很像真人,不能證明訂單查得正確,更不能等同已完成退款。

這也是為甚麼看 demo 時,最好把「找到資料」、「寫出答案」與「執行動作」分開記。每個環節都需要不同證據,單看聊天視窗的最後一句,很容易高估整套流程已完成多少工作。

Knowledge Bases 與 AgentCore 放在哪裏?

AWS 把 Knowledge Bases 列在使用自家資料的能力之中,把 AgentCore 列在 agent 開發與部署的範圍。讀者可以先用用途分辨:前者關乎如何把相關資料帶進回答,後者關乎 agent 如何連接工具、運行與管理。

這個分法有助理解服務定位,但不是所有 app 都要把整套產品用齊。只需要整理一段已提供文字的工具,可以先確認生成這一步;需要公司文件搜尋,再評估資料檢索;需要修改外部系統,才把工具操作與權限列入設計。

揀模型前,先寫驗收例子

與其一開始就追問哪個模型最強,可以先準備一組貼近工作的問題:資料完整時如何回答、缺少訂單編號時會否先詢問、文件互相矛盾時能否指出,以及沒有答案時會否承認不足。這些是建議的驗證方向,不是任何模型已通過的測試結果。

比較時記下相同的輸入、模型版本、回覆品質與等待時間。成本也要連同搜尋、工具和重試一起看,避免只比較一次文字生成的費用。對團隊而言,合適的方案是能完成指定工作、限制清楚,而且可以維護的方案。

到了 re:Invent,看到 Bedrock 增加新能力,可以先問它改善了上述哪一環。這樣讀發布消息,會比把所有新名稱放在同一條「AI 更強」的標題下面,更容易知道它與自己的用途有何關係。

延伸閱讀:TechLab 出發前的三條觀察主線。

本文由 AI 輔助整理及撰寫,依據文內連結的公開資料。封面為官方頁面截圖,擷取於 2026 年 11 月 19 日(香港時間)。

分享:WhatsAppThreadsTelegramFacebook