AWS 案例：用 DSPy RLM 把 Slack 历史挖成 IT 帮助台知识库
lateinteraction · x · 2026-11-09
AWS 发布的 ShipStation Global AI IT 帮助台案例（Amazon Bedrock AgentCore）中，DSPy 团队 highlight 了其中的 RLM 用法：
- 数据源：Slack 里多年「问题-解决」支持线程，是被真实用户验证过的有机知识库，但噪声大（闲聊、自动告警、未真正解决的线程混杂）。
- 三阶段挖掘管线：① 用 Slack API 导出全量历史，写入含线程标记、时间戳、回复数的结构化 dump；② DSPy 的 Recursive Language Model（底层 Claude on Bedrock）把导出数据当作沙箱 Python REPL 里可导航的内存空间，迭代式地把每条线程分类为已解决/未解决/已升级，过滤公告与非提问内容——严格标准要求线程内必须包含完整可用的修复方案才算「已解决」；③ 对每条已解决线程，RLM 编排递归子 LLM 调用提取结构化字段，并用 Pydantic 模型逐一校验。
关键洞察：索引未验证的修复或粗糙摘要会让知识库以同样的置信度给出错误答案，所以提取精度是核心。
「编程与Agent」频道最新
- 群体训练该怎么做：作者提出 swarm 训练三条原则 — samiramanabi · 2026-11-09
- Claude Agent 嵌入应用的免费 MIT Skill 开源,334 星 — PawelHuryn · 2026-11-09
- 开源 Skill 让 Claude Agent 只能提议不能改 Stripe 数据 — PawelHuryn · 2026-11-09
- 谷歌前沿模型产品负责人访谈:PM 为何重新吃香、如何写第一个 eval — lennysan · 2026-11-09
- GitHub Copilot 应用上线 Projects:给目标即可跨仓库协调自主工作 — 0xkarasy · 2026-11-09
- GitManual:粘贴任意 GitHub 仓库自动生成安装手册 — adnan_hashmi · 2026-11-09