# 多智能体报告平台：海量用户反馈到分钟级洞察的通用架构实践 > **合规声明（生成式 AI 服务）**：前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营，具体信息以中国区域官网为准。 > > **完整资料：如果想了解更多内容可以访问:https://events.amazoncloud.cn/china-summit-on-demand/ > > **免责声明**：本摘要仅为便于您了解峰会内容而提供，我们不对其完整性及准确性作出任何保证，且不构成任何建议或结论。相关内容仅供参考，实际内容以峰会回放视频为准。 ## 一、基础信息 - **会议类型**：专题演讲 - **Persona**:Agent 构建者 - **时间信息**：6月23日 | 13:30 - 14:00 - **标题**：多智能体报告平台：海量用户反馈到分钟级洞察的通用架构实践 - **PDF 资料**：无 - **视频回放**：有 ## 演讲人信息 ### 会议信息 - **地点**：上海世博中心（2026 亚马逊云科技中国峰会） - **日期**：2026年6月23日（Day 1） - **时间**：13:30 - 14:00 - **会议类型**：专题演讲 - **面向 Persona**:Agent 构建者 ### 亚马逊云科技演讲人 - **胡金东**：解决方案架构师 ### 客户 / 合作伙伴演讲人 - **沈骏**（Mattel163）：CTO ## 二、会议资料 PDF 转录内容 （本场次无 PDF 资料） ## 三、会议回放视频转录内容 大家好，我叫沈骏来自美泰163 很高兴今天能在上海跟亚马逊云科技的伙伴胡金东一起给大家做这次的分享 接下来我会用这几个部分来介绍这次的实践 先介绍一下我们 美泰163 成立于2018年是美泰旗下的游戏工作室 我们依托经典的美泰玩具 IP 和原创内容 去打造更沉浸的娱乐体验 美泰大家可能非常熟悉 它是一家具有80多年的历史的全球知名的玩具公司 旗下有大家非常熟悉的品牌 比如芭比娃娃、风火轮、托马斯小火车等等 还有 UNO 从2018年成立至今 我们的产品已经覆盖5亿多的全球玩家 100多个国家和地区 支持了10多种语言 所以我们面对的用户规模 语言复杂度以及玩家的反馈都非常的多样 那玩家的声音无处不在 有来自应用商店的评论 有社交媒体上玩家的反馈和讨论 有我们主动收集的游戏问卷和用户深度访谈 还有玩家和客服之间的一些客诉记录 这些声音每天都在大量的产生 里面藏着产品优化的关键线索 它甚至能决定产品的生死 但是他们很分散 多语种量级非常大 想要把他们快速提炼出来非常不容易 传统的方法其实大家都比较了解 就是通过人工的手段 还有我们规范的工作流去做一些分析 我相信我们的用户研究人员都非常非常专业 但同样他们还会面临各种干扰问题 其实真正的挑战并不是说能不能把这些东西分析出来 而是能不能及时的帮助业务 把这些繁杂的反馈变成高质量可执行的洞察 那及时非常重要 为什么用 Agentic AI 而不是直接跟大模型聊呢 其实在我们和 亚马逊云科技 伙伴合作这次项目之前 我们已经尝试过去把这些数据 直接就给大模型去分析 但是我们遇到了很多的问题 效果非常不理想 直接丢给大模型它不能很好的规划多步骤的任务 也不能灵活地调用外部的工具 更重要的是它很难去在中间去和大模型去纠偏 研究的方向 也缺少多轮迭代的能力 那它最大的问题还是它的产出非常不稳定 最终我们和 亚马逊云科技 的伙伴一起 开发完成了一个 Agentic 的分析系统 它能够自主规划调用工具分析大量的数据 依据结果再进行决策是否进行更多轮的分析以及工具调用 最终能够产生一个分析报告 这是我们的这个平台的 demo 出于保密的要求我们这里只能给大家看一下测试数据 在我们的一楼展台也有我们的 demo 展示 欢迎大家去体验 那么借助这个平台 我们的分析效率得到了巨大的提升 单份报告的端到端耗时 从一到两天缩短到了五分钟 这意味着分析师能从大量重复繁琐的数据处理中解放出来 把更多的精力放在需要判断和决策的地方 同时我们快速扩展了六类不同的 Agent 支持了四种分析场景 AI 原生就能支持多语分析 所以中间不再需要人工去做翻译这个步骤 我觉得最可贵的地方是什么呢 就是借助这个平台 我们的用户分析的工作不再是分析师才能专属的这样的一个事情 我们的业务团队 我们市场团队 每个人都可以成为我们自己业务的分析师 去扩展我们的分析场景 好 我今天的分享就先到这里 那下面由金东来给大家介绍更多的技术细节 谢谢 好 感谢沈总的分享 然后就接着沈总刚刚最后一句话 也是我今天想主要展开的一件事情 我们的业务市场人员都可以去拓展自己的分析场景 这个听起来非常美好 但是做 Agent 的朋友大家可能都有疑问 我们这样的一个系统背后是不是都要有一个工程团队 业务来提需求 然后排期等上线 没有代码能力的业务 它怎么可能是做 Agent 呢 那我们接下来其实就会去讲清楚 为什么在就是我们这些成果的背后 其实都是因为我们把这个建 agent 的权利 交给了业务 我们先从一个具体的例子看起 一份玩家的问卷丢进来 一般的话要走六步 下载 解析 分类 提证词 套模板 然后回传报告 那我稍微解释一下中间这几步 第一个分类的话是主要做的主题的分类 加情感的分析 中间这一步提证词的话是我们要把玩家的原声 就是提取出来作为引用作为证据 然后第三个就是套模板这一块的话 其实是根据预定义好的报告的格式进行输出 然后这六步的话 对于一个上万玩家参与的这么一个问卷分析 活动来说那么传统的 传统过程里面我们让业务方做 可能需要数天的时间 在 Agent 上可以几分钟之内就完成闭环 这个就让我们能够更快地听到玩家的声音 然后我们回到问题来说 我们这六步是不是都要放到一个 无所不能的 Agent 里面去跑呢 答案是不是的 我们并没有去做一个完全都会就是万能的 Agent 而是因为就是把所有的任务都塞到一个大模型里面 其实看起来是更简单 但实际上的话 工单的知识跟评论的知识 他们之间的理念会互相打架 互相的稀释 所以它不好拓展 所以我们反过来其实做的都是专业化的 Agent 每一个 Agent 它只要负责它的那一类任务就可以了 这样的话就有个好处就是说 每一个 Agent 可以单独的去做拓展 单独的去做打磨 然后 那我们这些 Agent 的其实都跑在什么上面 就刚刚也提到 就是我们有合作做的这么一个多智能体的 报告分析平台 这个是整个平台的架构 从上到下分为三层 第一层的话就是前端 然后这一层的话是我们业务可以在 前端页面上去建项目 上传我们要分析的数据文件 然后查看我们生成的报告 然后中间这层的话是有亚马逊云科技的 Serverless 的服务 构建起来的 通过 API Gateway 打通 Lambda 实现功能 通过 Cognito 实现身份认证 通过 DynamoDB 和 S3 来去实现数据的存储 然后我们的系统就稳定的能够运行 那么最下面一层其实是我们真正干活的这一层 这一层的话会托管了我们六大类的 Agent 然后都在这一层上跑 底层的话其实是由 Bedrock 的 AgentCore 这个服务在驱动 那么顺便提一下这个 AgentCore 这个服务 这个服务本身的话是亚马逊云科技打造的专门为 Agent 来去运行的这么一套平台 这个平台上可以提供 Agent 的运行时 Agent 的记忆 Agent 的整个监控和评估 这一套体系 然后它其实 能够让一个 POC 阶段的 Agent 能够具备快速上生产的 这些所需要的必要的条件 那么这些 Agent 的看起来能力上是天差地别 实际上的话他们的主要的区别是什么呢 其实做过 Agent 的都知道 就是一个 Agent 的他够不够专业的话 主要还是看他的 Prompt 也就是灌注在里面的领域知识 通常的话 Prompt 其实是我们的工程师 去写然后放到 Agent 代码里面去运行 其实我们这边就是换了一个做法 把领域知识去抽离出来单独的做成 一个独立的结构化的模板 然后这个我们就让最懂业务的人 他自己去写自己去改 然后这样的话好处就是说 我们的知识的沉淀就是从 工程师的手里面去回到了我们的业务的手里面 他的编写模式的话是 其实具体来说就是 我们让它是 我们会给业务一个结构化的提示词模板 然后让业务去按照我们的4块就是 role task output quality 去填充他的一些内容 然后因为这个本身是用自然语言来写的 所以这个也是业务能够自己改 自己去进 Agent 的一个主要原因 然后我们看一下 就是具体的一个好的模板 它长什么样子 就是我们给他定义了四个主要的要素 第一个就是角色 我们需要告诉 Agent 你是谁 比如说你是一个 专门处理游戏客诉和评论的 那个情感分析专家 然后我们还需要定义清楚 他的任务每一步骤都要进行拆解 解析 情感分类 统计 异常检测出报告 然后在第三块的话 我们要定义他的一个格式的输出 这里面就是要规范 我们精确规范这个报告它长什么样子 比如他需要有执行的摘要 要有标签的统计 要有情感的分析 包括一些高危的预警 然后最后还有定义他的 quality 就是定义一个标准 就是我们比较较真 就是说一个用户的报告 他的洞察我们必须有玩家的 这个原话有代表性的一个原话 来作为一个证据 不能让 Agent 去空口说白话 然后 其实这里面最重要的就是让我们的 业务最懂业务的人 他是把这个判断的标准来说清楚 那我光看这个框架还是比较抽象 我们来一个具体的例子来讲一下 这个是我们做的一个情感分析的 Agent 它里面引入了这个标签体系 其实它本质上做的就是让业务 把它这个脑子里面的一些判断的标准 一条一条的去显式地写出来 在这个评论分析的这么一个 场景里面它主要分为三个维度 第一个就是情感 我们要判断他这个评论是正面中性 还是负面还是他是一个纯好评 还是一个纯差评 然后第二个就是从需求的层面 他这个评论是属于一个玩家的一个 就是投诉建议还是说他在一些鉴权 包括一些的故障的这部分的分类 然后包括就是从第三个维度就是他的业务 我们分为从细分到一级到二级的 这个子业务领域 细分到像广告 账户道具 bug 玩法美术等等 然后下面的一行是比较有价值的说 我们要去看到这个评论里面是否 有一些高危的模式 比如说自杀的倾向 法律的威胁 像一些投诉或者是删号的意向 那么一出现这种评论的话 我们会去立马告警到业务这边 那么大家想想有这样的一个 判断标准之后 其实他就可以变成一个任何业务同事 都可以去用的一个 我都可以去改的一个模板 就是所以其实我们写这个模板 其实不需要写 不需要你懂代码 还是你要懂玩家 那像 可能到这大家会想 就是这套东西是不是只适用于 我们在游戏行业里面一用 其实恰恰相反 因为我们这套 标签体系是可以随时替换的 像在游戏行业里面 我们比较关注的就是 玩法付费 bug 美术等等 但是换到 零售行业 就是品类 物流售后 换到金融行业就是产品 风控 换到电信行业就是网络资费 但它的底层的这一套 机制是通用的 就是基于专业化分治 加上模板注入的这套机制 是通用的 那么我们再回过头来看一下 这个刚开始的一个问题 就是业务怎么去建它的 agent 我们先把这边做了一个对比 就是传统做法 传统的做法 我们业务可能在面对一个新的场景之后 它要是找开发去提需求 然后等排期 等开发的资源 然后再测试 调试 就是最后再上线 这个过程可能是一个长达 数周或者是数个月的一个过程 那最要命的其实是什么呢 是业务它没办法去直接表达 它的一个想法 它得通过开发去翻译一下 那往往这么一做之后 这个 agent 的效果就会走样变形 那么我们的做法其实是说 业务它如果想要做一个新的场景 那它就直接写一份自己的模板 它只要讲清楚 它要分析的内容是什么 怎么去做分类 怎么去做判断 它的一个报告的输出格式 是什么样子的 那么几分钟之内 它就可以把这个代码 agent 去做上线 不需要做任何的代码的改动 这一点的话 我认为是这个 agent 的平台 能够不断 就是长期存活的一个关键 因为如果说每一个场景都需要依赖 我们的工程师 那这个平台的上线 永远就是工程师的团队的人数 或者是 workload 那我们相反 我们如果让业务它能够自己去拓展的话 那这个平台它是 可以去自己的往外慢慢生长 那么我们就是还是回归到 就是业务到底 怎么去建 agent 技术上是怎么做到的 其实答案非常简单 就是我们让业务去填一张表 就是把 agent 的 做 agent 的这件事就变成了填一张表 大家看这个 yaml 文件 其实我们不需要做 有很多的代码的知识 这里面完全就是一些声明 就是你要用了一些模型 然后你的领域知识 我们放到这个 system prompt 里面 然后再加上你需要的工具打上钩 那么这个 agent 的就 可以成型了 那么之后的话就交给平台 它可以一键去做生成 一键去做部署 那么这个几分钟之后 这个 agent 就可以在云上跑起来 它完全不用担心伸缩 不需要我们去担心它的底层的硬件环境 那正是因为建一个 agent 的 它的过程这么轻松 那么我们今天看到的这些六类 agent 那其实都是这么一个是 快速的生长出来的 那到这的话 其实我们已经把建 agent 的一个门槛 这样的非常低了 但是后面的话还是有另外一半的故事 就是我们怎么去用这个 agent 就是报告的报告生成之后 它其实不是终点 它恰恰是我们这个对话的 有业务跟它对话的一个起点 那我们在这个交互里面 可以看到业务在生成报告之后 可以进一步的对这个 报告的内容去做追问 然后产生新的洞察 然后并且的话 它其实可以在一个月之后 或者是两个月之后 甚至更久再回过头来 分析这一段报告 看到这个报告之前的一些内容 那这个也是 AgentCore 本身的一个功能叫 AgentCore 的 memory 它能提供整个 agent 的一个上下文 OK 我们今天的这个内容 总结一下就是五条这个内容 第一个就是我们要做专业化的分治 让每一个 agent 去专注于一类任务 而不是要做一个万能的 agent 第二个的话是我们要 让业务 去注入这个领域知识到模板里面 那写出它的结构化的模板 不要做硬编码 第二第三个的话是让业务自己去做拓展 就有新的场景 那么就直接用新的模板 把 agent 的这个活直接就交给业务来做 那第四个的话就是工程化这一块 就是让业务能够 比较轻松的 就是一键部署一个 agent 的 并且可以做复制 第五个就是能够在会话中去持续进行迭代 用上下文在一次的报告生成里面发掘多个 这个视角的洞察 那么我们最后看这个平台 它未来的方向 就是我们整理整体的话 还会往四个方向去走 第一个就是跨场景的打通 我们会把 当前的这四类的反馈完全打通 构建一个360度的玩家的一个 观察的洞察的视角 第二个就是实时的预警 我们在问题刚出现的时候 就直接能够让业务感知到 第三个的话就是人机的一个协同 这里就是业务在跟 agent 的交互的过程中 会提出很多修改意见 那么我们会把这些内容 反馈到我们的知识库里面 让 agent 的越用越 它自己会去做演进 越用越灵活越用越好用 第四个的话就是能够有多模态分析的能力 这一块就是让 agent 的能够看到 我们在游戏类的一些 UI 截图 看到我们在线上推广的一些广告素材 ok 然后从这个玩家的声音到 一个可执行的洞察 其实我们希望在这条路上 能够让每个人都参与进来 以上就是我跟 沈总的分享 谢谢大家