Agent 的真正价值不在于演示效果多惊艳，而在于能否真正跑在生产环境里。 数据显示，超过 93% 的企业 Agent 项目卡在了从 POC（概念验证）到生产的最后一公里。

在量子位 MEET2026 智能未来大会上，亚马逊云科技大中华区产品部总经理陈晓建系统阐述了企业级 Agent 从开发到生产的完整路径。

这个数字背后，是无数企业在 Agent 落地过程中踩过的坑：开发门槛高、工程化能力缺失、模型定制困难、安全边界模糊。

在刚刚结束的 AWS re:Invent 2025 大会上，亚马逊云科技将聚光灯对准了 Agent。不是因为其他技术不重要，而是整个行业都意识到：Agent 正在成为 AI 生产力释放的关键枢纽。

陈晓建的分享，正是围绕 " 如何让 Agent 真正跑起来 " 这一核心命题展开。

MEET2026 智能未来大会是由量子位主办的行业峰会，近 30 位产业代表与会讨论。线下参会观众近 1500 人，线上直播观众 350 万 +，获得了主流媒体的广泛关注与报道。

核心观点梳理

一个成功的 Agent 需要三个模块：模型（大脑）、代码（逻辑）、工具（连接物理世界的手脚）。三者的有效连接是最大的工程挑战。

十几行代码实现过去数千行才能完成的功能，这就是模型驱动开发带来的效率跃迁。

93% 的 Agent 项目卡在 POC 到生产的跨越上，核心原因是数据质量落差和工程化能力缺失。

模型定制的最佳时机是在基础模型训练阶段，就像人类学习语言，年幼时效果远好于成年后。

对 Agent 既不能严防死守，也不能过度放任，正确做法是通过策略框架划定行为边界。

……

以下为陈晓建演讲全文：

Agent 成功的三要素：模型、代码与工具

Agent 正在从各个维度释放 AI 的生产力潜能，它可以替代许多人类以往的工作，甚至能够完成人类此前无法企及的任务。然而从创意到落地，中间需要跨越的鸿沟远比想象中更宽。

我们认为，一个成功的 Agent 需要三个至关重要的模块。

第一是底层模型。

模型是 Agent 的大脑，负责产生智慧、提供决策，承担推理、规划与执行的核心职能。

第二是代码。

任何 Agent 都需要服务于特定场景，提供该场景所需的功能逻辑。这些逻辑需要像构建传统软件一样，通过代码来实现。这一点与大多数已有软件并无本质区别。

第三是工具。

如果把模型比作大脑，那么工具就是连接大脑与物理世界的手和脚。在整个架构中，工具层包括连接不同信息源的各类协议，以及执行各种行为的代码——比如知识库、数据库、代码库，或者浏览器等外部能力。

当然，我们看到很多客户在尝试用自己的方式构建 Agent。但如何有效连接这三个模块，带来了巨大的复杂性与挑战。如何高效调用模型能力？如何组织代码逻辑？如何打通与物理世界的连接？不同工具之间的编排，更是给开发者带来了前所未有的新课题。

十几行代码完成过去数千行的工作

基于这些挑战，我们从 2024 年开始规划：如何构建一套工具，降低开发者构建 Agent 的门槛？如何让工具编排更加自动化？如何让大模型调用更加便捷？

今年，我们正式推出了Strands Agents。

Strands Agents 采用模型驱动的方法论，让大语言模型能够自主处理各种场景，从而大幅简化开发 Agent 所需的代码量。我们经常收到客户反馈：过去需要数千行代码才能开发的场景，现在只需要短短十几行就能实现。

在推出 Strands Agents 时，我们就将其定位为一个开源项目。用户不仅可以直接使用，还可以获取完整源码。更重要的是，Strands Agents 采用开放架构，不仅适配亚马逊云科技自身的产品，也兼容业界各种流行的开源或商用框架。

在上周的 re:Invent 大会上，我们同步发布了两项重要更新。

一是支持 TypeScript 语言。TypeScript 是业界广泛使用的编程语言，通过支持这一语言，可以帮助更多开发者构建更适用的 Agent 方案。

二是支持边缘设备部署。边缘设备正日益成为人类生活与工作不可分割的一部分，Strands Agents 可以为汽车、游戏、机器人等各类终端提供 Agent 能力，让 Agent 不仅能在云端运行，也能在前端智能设备上运行。

93% 的项目卡在 POC 到生产的跨越上

除了开发工具，我们还看到大量客户在 Agent 的部署与上线阶段遭遇困难。

有一组来自第三方调研的数据值得关注：93% 的客户在从 POC 阶段迈向生产阶段时遇到了重大障碍。换言之，可能只有不到 10% 的客户能够真正将 Agent 从 POC 推进到最终生产环境。

原因是什么？

POC 与生产环境之间存在本质差异。在 POC 阶段，我们可能只需要关注代码效果如何。但到了生产阶段，很多客户发现，原先在 POC 阶段表现优异的效果突然变得不尽如人意。

一个重要原因是数据。 在 POC 阶段，数据可以经过精心挑选，保证高质量。但在真实生产环境中，数据是无法被人为筛选和优化的。数据质量的落差，往往是 POC 与生产效果差异的核心原因。

另一个主要原因是工程化挑战。  一旦业务从 POC 走向生产，就必须直面一系列生产环境特有的问题：安全、扩容、成本、高可用……这些问题在 POC 阶段完全不需要考虑，但上了生产就必须正视。

正是基于这些考量，我们意识到：不仅要提供降低编程门槛的开发工具，还需要提供工程化能力，帮助客户跨越从 POC 到生产的鸿沟。

这就是我们在 2025 年 7 月推出Amazon Bedrock AgentCore的原因。

AgentCore 是一个完整的工具箱，提供多种能力帮助客户实现底层基础架构的编排。当您的 Agent 部署上云时，无需关心底层的计算资源、网络资源、安全配置、可观测性如何实现—— AgentCore 会帮您完成这些底层资源的动态管理。这将极大地帮助客户解决从 POC 到生产过程中遇到的工程化难题。

模型定制：在 " 年幼时 " 学习效果最好

当 Agent 进入生产环境后，还会面临一系列效率问题：延迟、可扩展性、敏捷性……这些都是实际生产中必须关注的特性。如果延迟从几百毫秒飙升到秒级以上，用户体验会受到极大影响；如果可扩展性不足，业务高峰期同样会出现瓶颈。

这里要谈谈模型定制的挑战。

在很多场景下，通用大模型在标准场合表现出色，但在特定垂直场景中可能无法满足需求。因此，许多客户尝试基于自有数据对开源模型进行定制。但模型定制本身也面临诸多挑战——需要专业技能，需要高质量数据，才能获得理想效果。

在这方面，我们的 Amazon SageMaker AI 产品提供了丰富的模型定制支持。在本次 re:Invent 大会上，我们发布了四种不同的模型定制能力，包括强化微调、模型定制化训练、无检查点训练，以及Amazon Nova Forge。

这里特别想介绍 Nova Forge。Nova Forge 允许用户在基础模型训练阶段就注入自己的数据。

打个比方：一个人学习语言，什么时候效果最好？在年幼时期，大脑还在发育阶段，学习能力最强，几乎不知不觉就能掌握一门语言。但如果到了大学阶段再去学一门新语言，可能需要付出极大努力，效果却不如幼年时期。

大语言模型的定制逻辑与此类似。如果能在模型开发阶段就进行定制，效果远优于模型完成后再做调整。

划定边界：让 Agent 既自主又可控

当我们把 Agent 交付给用户使用时，如果缺乏适当的约束，可能会产生意想不到的后果。这是我们必须规避的风险。

目前业界常见两种极端做法：一种是对 Agent 严防死守，另一种是过度依赖人工干预。显然，这两种方式都不是理想选择。

针对这一问题，我们在本次 re:Invent 大会上为 AgentCore 发布了一项新特性——Policy（策略）。

通过 Policy，可以为 Agent 定义一个行为框架。在这个框架内，Agent 可以自主完成任务；但 Policy 能够明确界定 Agent 不可逾越的边界。比如，合规性限制、安全红线等都可以通过 Policy 来配置。我们已经有客户在实际使用这一工具，通过 Policy 实现安全可靠的 Agent 运行。

再谈谈自动化。

过去，人类实现工作流自动化主要依赖 RPA（机器人流程自动化，Robotic Process Automation）技术。但大模型的出现带来了新的可能性：大模型能够处理更复杂、更灵活的任务，但如何让它与现有工作流深度结合？

为此，我们开发了Amazon Nova Act。

Nova Act 深度集成了大模型能力与 AgentCore 的工程化能力，打造了全新的工作流自动化方案。与传统 RPA 工具不同，Nova Act 因为融合了大模型的智能，整体成功率可以达到 80% 以上。通过 Nova Act，大模型可以直接与执行器、浏览器进行交互，实现端到端的工作流自动化。

最后介绍两个案例。

Blue Origin（蓝色起源） 是美国一家商业航天公司，专注于火箭与太空探索。他们已经通过 Bedrock 和 Strands Agents 等服务构建了超过 2700 个内部 Agent，实现了 75% 的交付效率提升，设计质量相比原始方案提高了 40%。

Sony（索尼） 是全球领先的电子与娱乐公司。Sony 通过构建 Agent 能力打造了内部的 "Data Ocean" 数据平台。他们基于 Bedrock 构建企业级大模型，每天服务超过 57000 名内部用户，处理多达 15 万次推理请求。同时，Sony 还使用微调能力对 Amazon Nova 2.0 Lite 进行了定制，将合规审核效率提升了整整 100 倍。

re:Invent 2025 发布了大量新产品，由于时间有限，今天只能介绍其中一部分。通过这些产品，我们希望能够帮助更多企业获得更强的工程化能力，在 Agent 应用中取得更高的效率。

也希望大家在构建和应用 Agent 时，可以尝试今天提到的这些能力。

让我们一起构建未来。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见