
Nova 多模态嵌入 + AgentCore:航天零件替代的多代理证据包(人批、机拼)
工程多代理Nova EmbeddingsAgentCoreHITL多模态检索
一句话结论
AWS 用 Nova Multimodal Embeddings、AgentCore 与确定性 Python 公差规则,搭出零件替代论证的多代理流水线:模型只拼证据包,替代批准留给人;评测快照 GoalSuccess 约 0.892、Faithfulness 约 0.981。
打开原文
AWS ML Blog:Agentic engineering intelligence with Nova MME
背景与理念
航空航天等场景里,替代论证散落在数据表、ICD 与邮件,纯文本管道又容易丢掉曲线图。目标是可审计、可复现的 pass/flag,而不是让模型自行盖章。
具体做法
- Haiku 路由 → Sonnet 专员工具 → 多专员时 Opus 综合;Catalog / Evaluation / Knowledge 等 Strands 专员协作。
- `score_substitution_fit` 用纯代码做确定性公差评分,拒绝模型自行批准替代。图搜走 `IMAGE_RETRIEVAL` 1024 维,经 S3 Vectors。
- AgentCore Runtime/Gateway/Evaluations 负责运行与评测闭环。人审门闩保留在流程末端。
关键数据/例子
评测 30 日均快照:GoalSuccess 0.892、Correctness 0.968、Faithfulness 0.981、ToolSelection 0.861。图搜整页索引 3/7,裁切图区后 7/7;同族照片余弦约 0.84、异类约 0.40;样本约 36 查询 / 7 个反应轮。数字来自 AWS 原文。
创新点
第一,把「能不能替」交给确定性规则,把「证据是否忠于材料」交给多模态检索与评测。第二,明确拒绝自动批准,适合强监管工程域。
可否复用
- 合规论证类 Agent:模型提案 + 代码打分 + 人批,三层不要捏成一层。
- 图搜先裁有效图区再入向量库,避免整页噪声。
- 上线前用 GoalSuccess/Faithfulness 一类轨迹指标做门禁。