Signal YCurated AI News
更新于 11/5 20:4061 个信源

Postman 如何基于 Amazon Bedrock 为 4000 万开发者运行 Agent Mode

企业 AI10/9 23:35AWS 机器学习博客查看原文 ↗
摘要

Postman 与 AWS 联合披露了 Agent Mode 的生产架构:在 Amazon Bedrock 上支撑覆盖 4000 万开发者的 AI 原生工作流,并总结了把 AI Agent 集成进成熟产品时真正棘手的工程问题与应对模式。

核心要点
  • Postman 拥有 11 年产品演进历史和 4000 万开发者用户,Agent Mode 是其覆盖 API 测试、文档、发现与实现的 AI 原生入口,直接对应用运行而非让用户操作界面
  • 团队原本预期最难的是模型质量与提示词设计,但更深的挑战来自把 Agent 接入一个充满界面驱动假设、面积庞大且概念专业化的成熟产品
  • 总结出的架构模式包括:控制工具泛滥(tool sprawl)、暴露基于 schema 的读取接口、以及把「上下文」而非「模型能力」视为首要瓶颈
  • 选择 Amazon Bedrock 的原因包括可变且对延迟敏感、流量突发的全球负载,以及无需自建模型推理基础设施即可获得模型选择灵活性与吞吐、地理处理、成本控制
  • 具体用到 Bedrock 的地理范围限定跨区域推理、按模型决定的零数据保留(zero data retention)与多级提示词缓存(multi-tier prompt caching)
原文佐证
  • The team expected model quality and prompt design to be the hardest problems. The deeper challenges came from integrating an agent into a mature product with years of interface-driven assumptions, a wide surface area, and specialized concepts.
  • These patterns include controlling tool sprawl, exposing schema-based reads, and treating context rather than capability as the primary bottleneck.
  • Agent Mode requires user approval before actions that modify application state.
AI 洞察
这篇由客户方与云厂商联合撰写的架构复盘,标志着企业级 Agent 的竞争焦点已从「模型够不够强」转向「产品与数据层对 Agent 是否可读」。对 SaaS 厂商而言,这意味着一次隐形但代价不小的架构重构:把界面里的隐性知识显性化为 schema 与工具边界,否则 Agent 永远只能停留在演示阶段。同时,跨区域推理、零数据保留、提示词缓存这类合规与成本控制能力,正在成为大规模 Agent 选型时的硬性门槛,也解释了为何托管推理平台在 B 端占据先机。