
AWS:用 AgentCore 做自改进单据处理,训练环约 3m49s、已知版式自动化约 1m30s
工程AgentCore文档智能IDP自改进TextractBedrock
一句话结论
把多供应商单据拆成「新版式训练环固化指令」和「已知版式自动化环」,校验失败再改指令或排障,用 Strands 多 agent + Textract + AgentCore 把易碎模板换成可部署的双环流水线。
打开原文
AWS:Build self-improving document processing using Amazon Bedrock AgentCore
背景与理念
模板刚性、供应商一多,单据抽取维护会爆炸。目标不是一次性写死规则,而是让系统在新版式上学会指令,再在已知版式上稳定跑。
具体做法
- 在 Strands 图上编排 Analyzer / Matcher / Instructions / Extractor / Validator / Fixer 等多 agent,并接 Textract 与 AgentCore。
- 新版式走训练环:分析→匹配→写/改抽取指令→抽取→校验;通过后固化指令。
- 已知版式走自动化环;校验失败则回改指令或进入排障。文中提供可部署参考实现与开源 guidance。
关键数据/例子
常称不到 20 分钟可部署;首单训练环约 3 分 49 秒,次单自动化约 1 分 30 秒;Bedrock 约占成本约 85%(文中为估算口径)。
创新点
第一,把「训指令」和「跑抽取」拆成双环,而不是混在同一条脆弱流水线。第二,校验失败默认回到改指令,而不是只重试同一次抽取。
可否复用
- 多供应商单据先建「新版式 vs 已知版式」分流,再谈模型选型。
- 把校验失败的默认动作写成改指令或排障,避免无限重试。
- 对照成本时单独记 Bedrock 占比,以免把基础设施费用混进模型账。