ShipStation Global 如何利用 Amazon Bedrock AgentCore 构建 AI IT 帮助台 | Amazon Web Services

📌 One-Sentence Summary

ShipStation Global 开发了基于 Amazon Bedrock Agent 的 AI Slack 帮助台 Deckhand，解决了 97.5% 的 IT 查询并减少了人工工单量。

📝 Summary

本文详细介绍了 ShipStation Global 如何实现 Deck Slack 中处理重复性 IT 支持的 AI 智能体。通过利用 Amazon Bedrock Agent 和 Anthropic 的 Claude，系统能够从 Confluence、内部 wiki 和历史 Slack 会话中检索信息。架构使用递归语言模型（RLM）将杂乱的聊天数据转换为高质量知识库。在上线三个月内，该工具规避了 800 多个工单，预计每年为 IT 团队节省 1600 小时。

💡 Main Points

自动化 IT 支持工作流

Deckhand 集成到 Slack 中，利用精选的知识库回答常规 IT 问题，仅在无法解决问题时创建包含上下文的 Jira 工单。

用于数据清洗的递归语言模型

团队使用 DSPy 的 RLM 迭代处理 Slack 历史记录，在索引到知识库之前识别已解决的会话并提取结构化数据。

无服务器智能体架构

该解决方案利用 Amazon Bedrock Agent 运行时在隔离会话中托管智能体，消除了团队管理服务器或复杂编排代码的需求。

显著的运营影响

系统对查询的解决率达到了 97.5%，处理了 94% 在 IT 人员不在班的工作时间之外提出的请求。

💬 Key Quotes

我们认为工单是运营摩擦力而非生产力的体现。

Deckhand 能即时解决常见问题，当它无法解决时，点击一下即可将对话转换为带有上下文的工单。

最明显的成就是工单规避。

📊 Article Meta

AI Screening： 91

Featured： Yes

Source： AWS Artificial Intelligence

Author： Kenneth Salmon

Category： 人工智能

Language： 英文

Read Time： 11 min

Word Count： 2506

Tags：

AI 与智能应用 , AI Agent , 机器学习 , 大语言模型 (LLM) , 云原生 / DevOps