AWS 多智能体做社交线索挖掘
AWS ML Blog · rss · 2026-07-15
AWS 这篇博客讲的是：如何用 **Strands Agents + Amazon Bedrock AgentCore** 搭建一个多智能体社会情报系统，把社交平台、社区、代码仓库等信号自动汇总成可执行的销售线索。 ### 场景 Thrad.ai 在做“AI 广告基础设施”，希望让聊天界面也能投放广告、让品牌在 LLM 里做营销。他们的销售团队原本需要花 30–45 分钟手工跨多个站点研究一个潜在客户，现在想用多智能体自动化这个流程。 ### 架构 系统拆成 4 个专职 agent： - **Trend Research**：从 Hacker News、YouTube、dev.to、ProductHunt、Reddit、Stack Overflow 里找趋势和购买意图信号 - **Search Specialist**：用 Wikipedia、GitHub、Lobste.rs、Stack Overflow 做补充检索 - **Analysis**：给“潜在客户 × 趋势”打 0–100 分 - **Email Generation**：生成个性化外联邮件 每个 agent 都有自己的工具和 Pydantic 输出约束，防止格式错乱在链路里传染。 ### 编排方式对比 作者比较了两种 Strands orchestration： - **Swarm**：agent 之间通过 `handoff_to_agent` 动态转移控制权，共享工作记忆 - **Graph**：按更明确的流程推进 ### 评分逻辑 分析 agent 采用多项加权： - 主题匹配 25% - 时间相关性 20% - 互动潜力 20% - 意图信号 20% - 数据质量 15% 另外还会给有开源/B2B 特征的开发者工具加分，并对时间做衰减：24 小时内的信号权重更高，7 天以上衰减到 0.5x。 ### 结论 这篇文章本质上是在展示：**多智能体适合做跨来源信号整合、线索挖掘和自动外联**，并且给出了可落地的 AWS 实现路径和对比结果。