文章核心观点 - 释普科技为提升实验室研发效率，开发了R&D Platform和LabOps Platform，旨在通过自动化接管重复性工作，让科学家专注创新[1] - 在业务快速拓展过程中，公司早期采用的单Agent架构面临处理复杂任务的效率瓶颈，因此进行了技术架构的重大升级[1] - 公司通过引入Amazon Bedrock的Multi-Agent collaboration功能，并结合Serverless架构，成功解决了原有架构问题，显著提升了系统性能和开发效率[1][2] 公司业务与产品 - 公司产品旨在解决实验室50%的时间耗费在管理、样本准备等非核心事务上的问题[1] - 核心产品包括R&D Platform和LabOps Platform，通过模块化协作接管重复性工作[1] - 产品功能演进过程中，模块数量和业务功能不断增加[1] 原有技术架构的挑战 - 早期采用单Agent架构，难以支撑复杂任务的高效处理[1] - 挑战一：在单Agent、单Action Group模式下，随着功能数量增加，系统在意图识别上易出现混淆[3] - 挑战二：面对多个并行业务目标，单Agent架构难以实现任务的独立管理与高效调度[3] 解决方案与技术升级 - 引入Amazon Bedrock的Multi-Agent collaboration功能，有效规避了单Agent架构下的意图歧义与模块耦合问题[1] - 新框架预设了完整的“监督Agent-子Agents”体系，公司仅需为每个子Agent定义清晰的功能描述与提示词，并在监督Agent中标明对应任务类型[1] - 系统在接收用户请求时可自动完成任务分发、执行与结果汇总，大幅简化了部署与调试流程[1] - 在新架构中，各子Agent职责边界清晰，便于独立调试与优化，而监督Agent统一承担任务识别、路由与调用调度的角色，提升了系统可维护性与响应效率[1] - 为进一步推进轻量化与解耦优化，公司引入Serverless架构，通过Amazon Lambda将用户鉴权、时间戳转换等通用逻辑封装为可复用函数，并以Tool或Action形式嵌入Agent工作流[1] 实施成效 - 基于Multi-Agent架构构建的智能系统，能够以监督Agent对多业务子Agent进行统一调度与协同执行，提升了用户意图识别的准确性与交互效率[2] - 面对客户定制化场景，系统能通过衍生方式灵活接入客户侧工具与专属Agent，实现产品功能与客户需求的深度融合[2] - 实现了Multi-Agent架构与Serverless体系的高效协同，增强了系统性能与服务弹性[2] - 显著提升了研发流程的执行效率，将AI Agent产品的上线周期加快50%[2] - 加速了生成式AI在实验室科研场景中的落地与价值释放[2]