Natera 如何利用 Amazon Bedrock AgentCore 为实验室运营设计智能体 AI 系统 | Amazon Web Services

📌 One-Sentence Summary
本文详细介绍了 Natera 如何利用 Amazon Bedrock AgentCore 构建实验室运营智能体 AI 系统 SWARM,通过采用双智能体架构和版本化技能库沉淀机构知识,实现首次响应速度提升 130 倍,自动化覆盖率达到 96.2%。
📝 Summary
作为无细胞 DNA 检测领域的领先企业,Natera 面临仪器停机这一重大问题:每天有 65 张工单,首次响应时间平均为 17.4 小时。为自动化实验室运营支持,Natera 基于 Amazon Bedrock AgentCore 构建了 SWARM(系统化工作流分析与解决方案管理器)。系统采用两个互补的智能体:swarm-agent 用于自主后台分析,swarm-hive 用于与工程师互动协作;两者共享一个包含 33 项技能的技能库,其中 24 项针对特定仪器,9 项适用于跨领域工作流。SWARM 将首次响应速度提升了 130 倍(从 17.4 小时缩短至 8 分钟),自动化覆盖率达到 96.2%。其架构包含事件层、智能体层、上下文层和可观测性层,并通过 OIDC、IAM、VPC 和 Secrets Manager 实现符合 HIPAA 要求的安全保障。系统还通过持续评估循环,根据置信度标签追踪准确率,展示了托管式 AI 智能体服务如何解决临床环境中的机构知识流失问题。
💡 Main Points
SWARM 将首次响应时间提升了 130 倍(从 17.4 小时缩短至 8 分钟),并自动处理每天 65 张实验室支持工单中的 96.2%。
系统借助 Amazon Bedrock AgentCore 自主处理工单,立即向工程师提供诊断报告。这一显著改进回应了 Natera 的迫切需求:尽量减少仪器停机,避免临床实验室运营中的样本处理和患者报告受到影响。
由 swarm-agent 和 swarm-hive 组成的双智能体架构,结合共享的 33 项技能库,既支持自主处理,也支持工程师互动协作。
swarm-agent 在后台进行分析并生成结构化诊断报告;swarm-hive 则让工程师能够互动交流、上传图片并探索其他故障排查路径。技能库将确定性的 Python 任务与由 LLM 驱动的推理分开,使系统可审计,并能通过版本化技能持续改进。
符合 HIPAA 要求的安全架构采用 OIDC、IAM、VPC 和 Secrets Manager,流水线中不使用长期凭证。
系统采用无密钥部署模式,通过 OpenID Connect 和 AWS STS 生成按部署范围限定的临时凭证。AWS IAM 执行最小权限原则;Amazon VPC 的私有子网确保流量不经过公共互联网;AWS Secrets Manager 则每 30 天轮换一次凭证。这些措施满足了 Natera 临床环境的要求和合规需求。
持续评估方法根据置信度标签追踪准确率;在 154 个案例中,高置信度工单的准确率达到 74%。
系统会为每份诊断报告标注置信度(高、中、低),并由工程师核实解决结果。这形成了一个反馈循环:识别表现不佳的领域,更新知识库进行修正,再次评估。置信度标签与准确率之间的趋势关系,也为工程师优先处理诊断提供了有用参考。
💬 Key Quotes
我们需要一个托管运行环境,让我们能把工程精力集中在诊断准确性上,而不是基础设施搭建上——AgentCore 为我们提供了这样的环境,还内置了身份管理功能,并支持灵活更换模型,无需重写智能体逻辑。
这个系统并不会取代工程师——它让他们在工单到达的那一刻,就能获取机构知识的全部积累。
诊断准确性首先是一个数据质量问题。补充得分最低的仪器类别所缺少的供应商手册后,准确率从 71% 提升至 75%,而模型没有任何改动。
如果诊断有误,我们需要能定位到具体技能,而不是调试整个系统——这就是我们从一开始就构建版本化技能库的原因。
📊 Article Meta
AI Screening: 88
Source: AWS Artificial Intelligence
Author: Ariel Jirau
Category: 人工智能
Language: 英文
Read Time: 10 min
Word Count: 2490
Tags:
AI 与智能应用 , 机器学习 , 知识管理 , 分布式系统 , AI Agent
这篇文章分析得很透彻,收藏了!
内容翔实,正好需要,先收藏再看。
刚好最近在找这方面的资料,太及时了。
实测过类似工具,作者说的基本属实。
有没有更详细的教程,期待后续。
内容翔实,正好需要,先收藏再看。
这个比较实用,已转发给同事。
这个比较实用,已转发给同事。
整理得太全面了,省了我不少时间。
写得挺用心的,支持一下。
有没有更详细的教程,期待后续。
这个比较实用,已转发给同事。