本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 AI 上运行代理 AI AWS
<a name="introduction"></a>

*Aaron Sempf、Brad Ryan、Bhargs Srivathsan 和 Akhil Bhaskar，Amazon Web Services*

*2025 年 8 月*（[文档历史记录](doc-history.md)）

Agentic AI 不是一项功能，而是一种新的运营模式。投资于纪律严明的架构、信任框架和与业务一致的部署模式的组织将引领下一代自适应的智能企业。

A@@ *gentic AI* 代表了自主软件代理和生成式 AI 的融合。它将代理的决策和目标导向行为与大型语言模型的语言理解和生成能力融为一体（）。LLMs这些代理可以在动态的企业环境中进行推理、行动、适应和协作。为了发挥这种潜力，企业必须将思维方式从模型部署转向代理基础架构。

本指南提供了一种组织策略，可将代理人工智能从孤立的实验转变为企业级的创造价值的基础架构。它可以帮助您在工作流程中嵌入具有治理、可扩展性和业务协调性的智能代理。

## 主要重点领域和建议
<a name="introduction-recommendations"></a>

本指南重点介绍操作代理人工智能时的以下基础领域。为每个重点领域提供了组织和业务建议：
+ [重点领域 1：明确代理意图和范围](focus-areas-agent-intent-scope.md)— 使代理与业务优先事项和认知瓶颈保持一致。将代理视为数字队友，而不仅仅是工具。
+ [重点领域 2：为可组合性和协作性而设计](focus-areas-composability-collaboration.md)— 采用具有模块化架构、语义协议和通过仲裁代理进行动态委派的多代理系统。
+ [重点领域 3：多租户和控制架构师](focus-areas-multitenancy.md)— 利用共享代理服务、集中式治理和基于角色的访问权限构建可扩展的租户感知基础架构。
+ [重点领域 4：通过身份、护栏和可观察性建立信任](focus-areas-trust.md)— 强制执行可追溯性、运行时间控制和可解释性，以赢得利益相关者的信任。
+ [重点领域 5：管理生命周期](focus-areas-lifecycle.md)— 建立持续集成和持续部署 (CI/CD) 管道、即时版本控制、遥测和持续再训练，以支持代理的 AI 性能和效率。
+ [重点领域6：使代理模式与商业模式保持一致](focus-areas-model-alignment.md)— 通过基于使用量的模型、内部投资回报率指标和商业产品将代理能力货币化。

您可以使用本指南中的建议，让您的企业为大规模代理人工智能做好准备。它概述了组织必须如何围绕代理人工智能进行重组，包括 DevOps 为代理 (AgentOps) 团队构建、可互操作的系统以及扩大采用率的变更管理策略。它强调决策至上的思维以及与Well-Ar AWS chitected框架的一致性。

## 目标受众
<a name="introduction-audience"></a>

本指南适用于企业架构师、 AI/ML 工程主管和数字化转型策略师，他们负责设计和扩展代理系统，将人工智能嵌入核心业务工作流程，以及在生产环境中操作 LLMs 和自主代理。要理解本指南中的概念和建议，您应该熟悉现代云原生架构和分布式系统、大型语言模型、基础模型功能以及 AI 治理的原则和平台工程。 DevOps

## 目标
<a name="introduction-objectives"></a>

通过实施本指南中的建议，您的组织可以实现以下业务成果：
+ 通过自主的、以目标为导向的代理加速决策和工作流程执行，从而减少人为瓶颈和认知负担。
+ 通过可重复使用的多租户代理平台，跨业务部门部署可扩展、经济高效的智能功能。
+ 增强人工智能系统的弹性、信任度和治理，从而能够自信地在受监管、关键任务或面向客户的环境中采用。

## 关于此内容系列
<a name="introduction-series"></a>

本指南是关于代理人工智能的系列文章的一部分。 AWS要了解更多信息并查看本系列中的其他指南，请参阅 AWS 规范性指导网站上的 [Agentic AI](https://aws.amazon.com/prescriptive-guidance/agentic-ai/)。