基于Strands SDK 构建的企业智能问数解决方案实践

引言

作为长期深耕数据智能的 AWS Partner，聚云立方在与众多客户共创数据问答场景时发现：传统 BI 的模板化与线性分析流程已难以支撑业务节奏。DecisionAI 基于最新的 Strands Agent 框架和 Amazon Bedrock 生态，面向 AWS 企业客户推出全新的问数 2.0 方案，希望把“问、思、判、行”全链路沉淀为可复制、可运营的智能资产。

企业问数痛点

配置穷尽困境：传统平台需要预设大量指标与看板，但对于“连续 3个月复购用户占比”“跨站点退货率”一类动态问题仍无法覆盖，陷入永远扩表的工程泥沼。

复杂查询失控：面对“旺季空调退货率为何上涨”这样的多维问题，人工作业时 SQL 错误率高达 40%，数据可信度摇摆不定，业务难以快速决策。

深层分析断裂：即便洞悉异常趋势，也难以自动验证库存、竞品、偏好迁移等根因，决策往往停留在讨论层。

运营链路割裂：业务与数据团队缺乏统一的意图识别与执行引擎，知识无法沉淀复用，问数周期被被动拉长。

问数需求场景

业务高管：在例会或经营复盘中，用自然语言或语音快速获得“指标高亮 + 异常解释 + 行动建议”，掌握经营动态。

营销与运营团队：利用多维交叉下钻，连同历史检索与推荐查询，追踪活动效果、客群流转与供应链状态，避免沉没成本。

数据分析师：保存“问数脚本”作为可复用资产，自动生成 SQL 与验证逻辑，把精力投入策略验证与实验设计。

IT/数据平台团队：以 MCP Server 协议输出的组件形式嵌入现有数据湖、数据仓库和企业 API，接入周期显著缩短，同时保持架构标准化。

智能巡检机器人：业务分析人员可用语音或文本触发“巡检巡查”任务，Agent 自动拉取近 24 小时的关键指标（如延迟、故障率、库存异常），与阈值或历史窗口比对，结合异常检测模型给出影响评估和处理建议，并生成巡检报告归档，真正实现从被动值守到主动预警。

聚云智能问数DecisionAI 产品说明

DecisionAI 是一款面向企业级问数场景的 Agentic 决策平台，提供 SaaS 与私有部署两种形态。产品核心由Strands Agent 多Agent智能编排、可插拔模型与标准化工具链构成，工具可引入知识库、SQL 生成、异常检测、洞察报告等能力。通过 MCP Server 协议输出，DecisionAI 可作为智能问数基础组件融入客户的生成式 AI 应用，让业务人员在统一界面或语音入口下提出问题、获取洞察、触发行动，同时为数据与 IT 团队提供可追溯、可运维的治理体系。

解决方案架构设计

AWS 云原生底座

DecisionAI在生产环境中运行于 Amazon EKS，借助弹性伸缩与滚动升级确保服务稳定；Amazon RDS 承载结构化指标体系，Amazon ElastiCache 管理会话态与热点查询，保证复杂问答仍能迅速响应；海量原始数据、模型素材及分析报告存放在 Amazon S3，通过分层存储和多区域冗余保障长期可靠。为了支撑自然语音问数，我们按需集成 Amazon Transcribe进行实时转写，并以 Amazon Polly 回播结果，让业务人员在语音入口下也能得到完整洞察。全链路指标通过 Amazon CloudWatch 统一采集，结合 AWS Config 审计配置演进，构建企业级可观测与合规能力。

产品架构

整体架构分为四个层次：

接入与会话层：支持 Web、移动端、语音终端等多入口，统一授权、会话与权限管理。

智能编排层：Strands Agent 驻留此层，依托 Amazon Bedrock Agent Runtime 的 Memory/Knowledge Base，实现多 Agent 的协作调度。

工具执行层：以 MCP Server 为标准输出 SQL 生成、指标计算、异常检测、可视化渲染等工具，安全地调用企业内部数据源与服务。

结果交付层：把分析内容以结构化报告、图形化组件或 API 的方式推送至业务系统，沉淀为可复用知识资产。

Strands Agent赋能DecisionAI

DecisionAI采用“LLM + REACT + 多 Agent”模式：

Master Agent 使用大语言模型解析自然语言问题，提取指标、维度、时间与行动目标，为后续规划提供清晰语义。
Planner Agent 基于 REACT 策略先推理后行动，引入 Tree/Graph of Thoughts 评估多个解题路径，制定执行序列。
Tool Agent 通过 MCP 调用指标库、SQL 生成器、模型推理、统计检验等工具，执行计划中的具体任务。
Verifier Agent 对执行结果进行自检和反思，若发现异常会反馈给 Planner Agent 重新规划，形成自我闭环。
Narrator Agent 将可信结果转化为结构化文本、图表及语音输出，并写入 Amazon S3/知识库，便于历史复用。

Strands Agent 框架提供的轻量化调度和共享记忆机制，让每个 Agent 既保持独立专长，又能在统一上下文中协同完成复杂问数。

使用Strands SDK实现多Agent协同

为了能够支持复杂的问数场景，DAI需要多个Agent来分别专注在不同领域的问题处理上，并通过多Agent协同来实现完整的问答。

Strands SDK提供了多种多Agent协作模式，DAI使用Agent-as-Tool模式来实现多Agent的协作。通过简单的代码调用就可以将不同的Agent作为tool注册给主Agent，从而实现协作，核心代码如下：

# 将子Agent包装为父Agent的工具
@tool
def specialist_agent_tool(query: str) -> str:
    """调用专门Agent"""
    specialist = SpecialistAgent()
    result = specialist.analyze(query)
    return json.dumps(result)

# 主Agent通过调用此工具来委托任务
main_agent.register_tool(specialist_agent_tool)
多Agent使用Strands统一的会话机制，这样就实现了上下文的一致，核心代码如下：
class SessionManager:
    def __init__(self):
        self.sessions = {}  # session_id -> 会话数据

    def create_session(self) -> str:
        """创建新会话"""
        session_id = uuid.uuid4()
        self.sessions[session_id] = {
            "agent": MainAnalysisAgent(session_id),
            "history": [],
            "state": {}
        }
        return session_id

    def send_message(self, session_id: str, message: str) -> dict:
        """在会话中发送消息"""
        session = self.sessions[session_id]
        result = session["agent"].analyze(message)
        session["history"].append({
            "user": message,
            "assistant": result
        })
        return result
使用Strands的工具注册和发现机制，可以轻松实现不同的工具，并且实现在不同的Agent注册和使用。
from strands.tools import tool

@tool
def my_tool(param: str) -> str:
    """工具描述"""
    return f"结果: {param}"

# 注册到Agent
agent.register_tool(my_tool)

模型与部署策略

模型层保持可插拔：在公有云部署时对接 Amazon Bedrock 的基础模型；需要本地化时切换到中国区域可用的硅基流动托管模型；对于强调专属合规或性能的客户，可通过 Amazon SageMaker AI 构建私有化训练与推理环境，并借助 Pipeline、Model Monitor 等能力持续治理模型。

安全与运维实践

整体部署在企业专属的 Amazon VPC，依靠子网与安全组实现访问隔离；传输与静态数据由 AWS KMS 加密；通过 Amazon S3 Versioning 与 AWS Backup 进行多副本保留与灾备；借助 GitOps 规范与 Amazon EKS 的滚动/金丝雀发布机制，确保每次上线都可审计可回退。

价值总结

借助 AWS 云原生底座、可插拔模型与 Strands Agent 多智能体协作，DecisionAI 让企业问数从“依赖人工 SQL”跃迁到“分钟级自动洞察”：指标模板无需穷尽配置，复杂 SQL 自动生成并验证，语音与文本入口统一，跨角色协同顺畅。我们期待与 AWS 更多客户共同开展合作，打造面向行业的问数 2.0 标杆。如果您正在规划基于 AWS 的生成式 AI 应用，欢迎与我们联系获取架构图、实操演示与最佳实践。

*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。

亚马逊AWS官方博客