[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-amazon-bedrock-agents-multi-agent-workflows-zh":3,"article-related-amazon-bedrock-agents-multi-agent-workflows-zh":28,"series-ai-agent-f2ca7720-b471-4ce5-9336-2a9ac2a876fd":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":25,"created_at":26,"published_at":27,"topic_cluster_id":11},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","\u003Cp>\u003Ca href=\"https:\u002F\u002Faws.amazon.com\u002Fbedrock\u002Fagents\u002F\" target=\"_blank\" rel=\"noopener\">Amazon Bedrock Agents\u003C\u002Fa> 現在不只是會回話。AWS 把它往企業\u003Ca href=\"\u002Fnews\u002Fmcp-explained-from-prompts-to-production-zh\">工作流\u003C\u002Fa>再推一步，讓代理能拆解任務、呼叫 API、查資料，還能讓多個專門代理一起做事。\u003C\u002Fp>\u003Cp>這次更新很實際。AWS 直接把記憶、\u003Ca href=\"https:\u002F\u002Faws.amazon.com\u002Fbedrock\u002Fguardrails\u002F\" target=\"_blank\" rel=\"noopener\">Amazon Bedrock Guardrails\u003C\u002Fa>、以及程式執行加進來。講白了，就是把「能玩」往「能上線」靠近。\u003C\u002Fp>\u003Cp>如果你做過企業軟體，就知道痛點在哪。不是模型不會講話，是狀態、權限、資料來源和流程接不起來。AWS 這次就是在補這些洞。\u003C\u002Fp>\u003Ch2>AWS 這次到底丟了什麼\u003C\u002Fh2>\u003Cp>Bedrock Agents 的定位很清楚。它不是單一 prompt 產生器。它是要處理多步驟任務的代理層。AWS 的說法是，代理可以根據 foundation m\u003Ca href=\"\u002Fnews\u002Fopenai-codex-plugin-claude-code-zh\">ode\u003C\u002Fa>l、API 和資料來源做判斷，再決定下一步。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775051177170-9bcp.png\" alt=\"Amazon Bedrock Agents 進入多代理工作流\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這代表開發者不用把每個分支都手工寫死。你可以把規則、工具和資料接進去，讓代理自己決定要查什麼、呼叫什麼、輸出什麼。對很多團隊來說，這比自己搭一套 orchestration layer 省事很多。\u003C\u002Fp>\u003Cp>設定流程也算簡單。AWS 說，你只要選模型、寫自然語言指令，再接上需要的系統就能開始。這種做法很像把 agent 行為做成雲端服務，而不是叫你從零寫控制器。\u003C\u002Fp>\u003Cp>AWS 強調的能力大概有這幾個：\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>多代理協作：\u003C\u002Fstrong>多個專門代理在 supervisor agent 底下工作\u003C\u002Fli>\u003Cli>\u003Cstrong>RAG：\u003C\u002Fstrong>從公司資料來源抓內容，回答比較貼近內部知識\u003C\u002Fli>\u003Cli>\u003Cstrong>任務編排：\u003C\u002Fstrong>把工作拆成步驟，再視情況呼叫 API\u003C\u002Fli>\u003Cli>\u003Cstrong>記憶保留：\u003C\u002Fstrong>跨 session 記住前文脈絡\u003C\u002Fli>\u003Cli>\u003Cstrong>程式執行：\u003C\u002Fstrong>在安全環境裡產生並執行程式\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這組合很有意思。因為企業 \u003Ca href=\"\u002Fnews\u002Fspec-driven-ai-turns-mcp-into-workflow-engine-zh\">AI\u003C\u002Fa> 最常卡住的地方，根本不是模型參數。是權限怎麼管、資料怎麼接、流程怎麼追。AWS 這次就是想把這些變成標配。\u003C\u002Fp>\u003Ch2>多代理協作為什麼重要\u003C\u002Fh2>\u003Cp>多代理系統聽起來很學術。其實你把它想成分工就懂了。AWS 描述的是一個 supervisor agent，先把複雜任務拆開，再分派給不同專長的代理。\u003C\u002Fp>\u003Cp>這種架構很適合企業工作。像理賠、採購審核、客服分流，通常都不是一句話就能完成。你需要先查資料，再比對規則，最後再產生回覆。單一代理硬扛全部，常常只會亂掉。\u003C\u002Fp>\u003Cp>我覺得這裡最有價值的是協調。單一代理可以回答問題。多代理可以分工。有人負責抓資料。有人負責看政策。有人負責寫草稿。這樣的設計比較像真正的流程系統。\u003C\u002Fp>\u003Cblockquote>“A system is only as good as the interactions between its parts.” — Andrew S. Tanenbaum\u003C\u002Fblockquote>\u003Cp>這句話很老，但放在今天還是準。代理平台如果管不好 handoff、memory 和 tool use，整個流程就會飄。AWS 明顯是在賭，企業想要的是一個管得住的中介層。\u003C\u002Fp>\u003Cp>而且這不只技術問題。企業流程常常跨部門。財務、營運、客服都會碰到同一筆資料。多代理協作的價值，就是讓每個角色只做自己該做的事。\u003C\u002Fp>\u003Cp>你可以先看幾個實際場景：\u003C\u002Fp>\u003Cul>\u003Cli>客服先收件，再交給查詢代理\u003C\u002Fli>\u003Cli>採購先比價，再交給規則代理檢查\u003C\u002Fli>\u003Cli>理賠先蒐集資料，再交給審核代理\u003C\u002Fli>\u003Cli>內部報表先算數字，再交給摘要代理\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這些流程都很像真人協作。只是現在改成代理接力。做得好，省時間。做不好，就是一場除錯地獄。\u003C\u002Fp>\u003Ch2>跟其他 agent stack 比，差在哪\u003C\u002Fh2>\u003Cp>AWS 不是唯一在玩這塊。\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-chatgpt-agent\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\" target=\"_blank\" rel=\"noopener\">Anthropic Claude\u003C\u002Fa>，還有開源框架 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Flangchain\" target=\"_blank\" rel=\"noopener\">LangChain\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fautogen\" target=\"_blank\" rel=\"noopener\">AutoGen\u003C\u002Fa>，都在做 agent 工作流。差別在於，Bedrock 是直接長在 AWS 裡。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775051193062-m2do.png\" alt=\"Amazon Bedrock Agents 進入多代理工作流\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這件事很現實。很多企業資料、IAM、運算資源本來就放在 AWS。代理如果也在同一個雲上，整合成本通常比較低。少一層 glue code，少一堆跨系統認證，開發和維運都會輕鬆一些。\u003C\u002Fp>\u003Cp>但代價也很明確。你會更綁 AWS。這對已經重度使用 AWS 的團隊是優點。對想跨雲、想保留彈性的團隊，就未必是好消息。\u003C\u002Fp>\u003Cp>先看幾個實際比較：\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Bedrock Agents：\u003C\u002Fstrong>託管式編排，內建 guardrails 與記憶\u003C\u002Fli>\u003Cli>\u003Cstrong>LangChain：\u003C\u002Fstrong>彈性高，但整合工作多半要自己扛\u003C\u002Fli>\u003Cli>\u003Cstrong>AutoGen：\u003C\u002Fstrong>適合多代理實驗，部署細節要自己處理\u003C\u002Fli>\u003Cli>\u003Cstrong>OpenAI 工具鏈：\u003C\u002Fstrong>原型快，但企業流程常要外接其他系統\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你問我怎麼選，我會這樣看。想快點在 AWS 內部落地，就看 Bedrock。想跨平台試各種玩法，就先用開源框架。沒有哪個是萬能，只是適合的場景不同。\u003C\u002Fp>\u003Cp>另外，AWS 還有 \u003Ca href=\"https:\u002F\u002Faws.amazon.com\u002Fbedrock\u002Fagentcore\u002F\" target=\"_blank\" rel=\"noopener\">Amazon Bedrock AgentCore\u003C\u002Fa>。這個名字很直白。AWS 想管的不只是 agent 本身，還包括部署和營運。這很像把 agent 變成正式雲端工作負載。\u003C\u002Fp>\u003Ch2>記憶、Guardrails、程式執行，才是重點\u003C\u002Fh2>\u003Cp>記憶功能很實用。代理如果記得前一次互動，使用者就不用一直重講。這在客服、銷售作業、內部工具都很有感。少掉重複輸入，流程會順很多。\u003C\u002Fp>\u003Cp>Guardrails 也不能小看。企業不是只想要答案。企業要的是可控的答案。AWS 把安全與可靠性做成內建能力，等於讓團隊有地方去限制輸出內容和行為。\u003C\u002Fp>\u003Cp>程式執行是這次的亮點之一。AWS 說代理可以在安全環境裡動態產生並執行程式。這代表它不只會寫字，還能做計算、畫圖、跑分析。很多企業問題其實不是語言問題，是算術問題。\u003C\u002Fp>\u003Cp>這幾個功能放在一起，整個產品味道就變了。它不再像 demo。它更像基礎設施。只是基礎設施也有代價。你要做更多測試、監控和權限控管。\u003C\u002Fp>\u003Cp>從 AWS 自己的產品頁，也看得出方向很明確：\u003C\u002Fp>\u003Cul>\u003Cli>代理可以幾個步驟內建立\u003C\u002Fli>\u003Cli>多代理協作主攻複雜工作流\u003C\u002Fli>\u003Cli>RAG 讓代理接上公司資料\u003C\u002Fli>\u003Cli>程式執行在安全環境中進行\u003C\u002Fli>\u003Cli>AgentCore 盯的是大規模部署與營運\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這表示 AWS 想吃下整個 agent 生命週期。從建置到部署，再到營運。對雲端廠商來說，這很合理。對開發者來說，這代表你之後可能會更常跟它綁在一起。\u003C\u002Fp>\u003Ch2>產業脈絡其實很簡單\u003C\u002Fh2>\u003Cp>現在很多企業都在試 agent。問題不是要不要做，而是做到哪裡算夠。大部分團隊一開始都會卡在 PoC。因為 demo 很漂亮，上線卻很痛。\u003C\u002Fp>\u003Cp>原因很直接。真實工作流有例外、有權限、有稽核。LLM 很會講，但不一定會照規則走。這就是為什麼像 Bedrock 這種託管平台會有市場。它賣的不是模型，而是可操作的流程框架。\u003C\u002Fp>\u003Cp>台灣開發者如果在做 SaaS、客服系統、內部知識庫，這波很值得看。尤其是那些本來就跑在 AWS 的團隊。你不用先換平台，只要把 agent 接上既有系統，就能開始試流程自動化。\u003C\u002Fp>\u003Cp>我會先盯三個方向。第一是成本。多代理和記憶都會吃 Token。第二是觀測性。出了問題要能追。第三是資料邊界。哪些能查，哪些不能碰，要先定清楚。\u003C\u002Fp>\u003Ch2>接下來該怎麼看\u003C\u002Fh2>\u003Cp>Bedrock Agents 這次補的不是花招。它補的是企業真的會用到的東西。記憶、程式執行、多代理協作，都是把 agent 往實務推的功能。\u003C\u002Fp>\u003Cp>但我也不會把它講得太神。代理越能做事，風險也越高。你一旦讓它碰內部資料和 API，就不能只看回答準不準。你還要看它會不會亂呼叫、亂保存、亂執行。\u003C\u002Fp>\u003Cp>我的預測很直接。接下來 6 到 12 個月，最先落地的會是客服分流、內部查詢、理賠初審、報表整理這幾類工作。這些任務夠規則，適合先導入。\u003C\u002Fp>\u003Cp>如果你是開發者，現在可以先問自己一句：你手上的流程，有沒有哪一段重複、固定，又很吃資料查詢？如果有，那就是代理最該先下手的地方。\u003C\u002Fp>","AWS 為 Amazon Bedrock Agents 加入記憶、程式執行與多代理協作，目標是處理更複雜的企業工作流。","aws.amazon.com","https:\u002F\u002Faws.amazon.com\u002Fbedrock\u002Fagents\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775051177170-9bcp.png","ai-agent","zh","116d5ee9-a4f1-4b5a-aac5-5d035dd22bbe",[17,18,19,20,21,22,23,24],"Amazon Bedrock Agents","AWS","multi-agent workflows","人工智慧代理","Bedrock Guardrails","AgentCore","RAG","LLM",13,"2026-04-01T09:30:29.945429+00:00","2026-04-01T09:30:29.807+00:00",{"tags":29,"relatedLang":36,"relatedPosts":40},[30,32,34],{"name":23,"slug":31},"rag",{"name":18,"slug":33},"aws",{"name":24,"slug":35},"llm",{"id":15,"slug":37,"title":38,"language":39},"amazon-bedrock-agents-multi-agent-workflows-en","Amazon Bedrock Agents Gets Multi-Agent Workflows","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"cde225a8-eb8e-4724-a089-77f36af0e8a6","mcps-new-primitives-make-agent-middleware-obsolete-zh","MCP 的新原語，正在淘汰自製 agent middleware","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782748974384-f5w9.png","2026-06-29T16:02:24.789168+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"6e37d84c-aa27-4d4d-bbf1-81c47dc4522d","mcp-servers-ai-workflows-explained-zh","MCP Server 讓 AI 工具接上工作流","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782747180723-q3gs.png","2026-06-29T15:32:33.536175+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"a5333ae2-bfd1-434a-92dd-575e824538c3","openmontage-open-source-ai-video-production-zh","OpenMontage 證明 AI 影片製作該由開源接管","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782685072512-v02f.png","2026-06-28T22:17:22.846394+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"caea04da-9e30-4eb8-bb08-2ac3afc4f09e","gemini-35-flash-computer-use-safeguards-zh","Gemini 3.5 Flash 讓你寫電腦操作腳本","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782681504454-c1ly.png","2026-06-28T21:17:56.883563+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"362a448e-b40e-437c-9529-94b0fd6a7689","design-md-bridge-taste-to-ui-scaffolds-zh","DESIGN.md 是把品味變成 UI 骨架的缺失橋樑","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782586072806-w93e.png","2026-06-27T18:47:23.886521+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"4a77707d-c370-4584-bf40-e71c0414720e","openclaw-agent-control-layer-matters-zh","OpenClaw 證明：代理系統的勝負在控制層，不在模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782561770712-4ch7.png","2026-06-27T12:02:20.114404+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":4,"slug":5,"title":6,"created_at":26}]