使用 Amazon Bedrock AgentCore 构建可信 AI 智能体：一个生产就绪的评估框架

AWS 团队分享了使用 Amazon Bedrock AgentCore Evaluations 等组件构建生产级 AI 智能体质量评估框架的经验。该框架旨在持续监测智能体回答的准确性与事实依据，并能将失败追溯到数据、提示词或代码的根源。在预发布测试中，一次数据与提示词的不匹配曾导致通过率从 78% 骤降至 38%，凸显了系统性评估的必要性。