📦 **产品信息查询助手**：该助手利用Amazon Bedrock Agent，通过自然语言处理技术，能够理解用户对产品多维度信息的查询需求（如价格、库存、规格、评价），并能处理多条件组合查询。它通过API Gateway和Lambda与DynamoDB数据源交互，实现高效的产品信息检索和结构化回答，提升用户购物体验。

📦 **订单状态跟踪器**：此功能借助Amazon Bedrock Agent，能够解析用户通过订单号或模糊描述（如“上周买的衣服”）发起的订单状态查询。Agent能够智能识别订单信息，并通过API Gateway和Lambda调用Aurora MySQL数据库及第三方物流接口，整合订单全链路状态、物流信息和预计送达时间，提供实时更新的跟踪服务。

💡 **技术架构与Serverless优势**：两个示例均采用了亚马逊云科技的Serverless架构，包括API Gateway和Lambda，配合Amazon Bedrock Agent，实现了低代码配置和快速开发部署。这种架构模式显著简化了从功能设计到生产落地的流程，并提供了强大的可扩展性，能够轻松应对复杂业务需求。

🔄 **Agent的核心价值与扩展性**：Amazon Bedrock Agent的核心价值在于将自然语言转化为结构化的工具调用，整合多源数据以简化用户交互。未来可进一步扩展为个性化产品推荐、售后服务（如退款申请、地址修改）等高级功能，充分发挥Agent在电商智能化升级中的潜力。

承接上篇，亚马逊云科技 AI Agent 凭什么能擦出火花？！

我们接着来完成这个实战内容。

以下是基于Amazon Bedrock Agent 的两个服务示例的完整流程与详细内容，包含技术架构、实现细节、交互逻辑及扩展能力。

另外，再跟大家偷偷说一下，Free Tier 2.0 免费套餐有新升级，

Free Tier 2.0 vs Legacy Free Tier（可根据自己所需来进行选择）☞ 传送门

产品信息查询助手

通过自然语言交互，帮助用户快速获取电商平台的产品全维度信息（价格、库存、规格、评价等），支持多条件组合查询（如“黑色+42码+运动鞋”），并自动整合多源数据生成结构化回答。

1. 系统架构设计

2. 数据源设计（DynamoDB）

产品主表（ProductTable） 主键：product_id（字符串）字段：
name：产品名称（如“专业跑步运动鞋”）category：品类（如“鞋靴>运动鞋”）attributes：规格属性（JSON，如{"color":"黑色","size":"42","material":"网面"}）price：当前价格（数值，如899.00）stock：库存数量（数值，如32）update_time：信息更新时间（时间戳）
用户评价表（ReviewTable） 主键：review_id（字符串）字段：
product_id：关联产品IDrating：评分（1-5）content：评价内容create_time：评价时间user_id：评价用户ID

3. API接口设计

通过API Gateway定义3个核心接口，由Amazon Lambda实现业务逻辑：

4. Amazon Bedrock Agent配置

工具定义：在Agent中注册上述3个API，配置参数映射规则（如将用户输入的“黑色”映射到filters.color）。意图训练：提供样本语料训练Agent识别查询意图，示例：
基础查询：“XX产品多少钱？”→ 调用/product/query多条件查询：“黑色42码运动鞋有货吗？”→ 调用/product/query（带color/size/category过滤）评价查询：“这个商品的用户评价怎么样？”→ 先调用/product/query获取product_id，再调用/product/reviews
响应模板：定义回答格式，如：“【{name}】当前价格{price}元，库存{stock}件。最近30天平均评分{avg_rating}/5，用户反馈：{recent_reviews[0]}”

5. 完整交互流程

用户输入：“帮我看看黑色42码运动鞋的库存、价格和最近评价”

意图解析：Agent识别到用户需要“库存+价格+评价”，且过滤条件为“color=黑色，size=42，category=运动鞋”。工具调用：
第一步：调用/product/query，传入filters={"color":"黑色","size":"42","category":"运动鞋"}，返回匹配的产品列表（假设唯一匹配product_id=P123）。第二步：提取P123，调用/product/reviews?product_id=P123&limit=2，获取平均评分4.8及两条最新评价。
数据整合与响应：Agent整合数据，生成自然语言回答：“黑色42码专业跑鞋当前价格899元，库存32件。最近30天平均评分4.8/5，用户反馈：‘鞋底弹性好，长时间跑步不累’‘尺码标准，透气不闷脚’。”

6. 错误处理

无匹配产品：“未找到符合‘黑色42码运动鞋’的商品，建议尝试调整颜色或尺码（如‘白色43码运动鞋’）。”库存不足：“黑色42码专业跑鞋当前库存仅剩2件，建议尽快下单。”API调用失败：“暂时无法查询产品信息，请稍后重试（错误码：503）。”

订单状态跟踪器

支持用户通过订单号或模糊描述（如“上周买的衣服”）查询订单全链路状态，自动关联物流信息，提供实时进度与预计送达时间。

1. 系统架构设计

2. 核心数据模型

**订单表（OrderTable）**主键：order_id（字符串，格式如“ORD20231001XXXX”）字段：
user_id：用户ID（关联用户账户）status：订单状态（枚举：pending/paid/shipped/delivered/cancelled）items：商品列表（JSON，如[{"product_id":"P123","name":"跑鞋","quantity":1}]）create_time：下单时间ship_time：发货时间（状态为shipped时非空）logistics_company：快递公司（如“顺丰”）tracking_number：运单号（如“SF67890123456”）
**用户订单关联表（UserOrderMap）**主键：user_id + create_time（排序键）作用：支持模糊查询（如“上周的订单”）时快速定位用户近期订单。

3. API接口设计

4. Amzon Bedrock Agent配置

工具定义：注册/order/query和/logistics/track，配置条件调用规则（如订单状态为shipped时自动调用物流接口）。意图与实体识别：
订单号识别：训练Agent识别平台订单号格式（如“ORD+日期+4位数字”）。模糊查询解析：将“上周买的衣服”解析为user_id=当前用户+time_range=近7天+items.name包含“衣服”。
多轮对话处理：若用户未提供订单号且无法通过模糊查询定位（如用户有多个近期订单），自动反问：“你指的是以下哪个订单？1. ORD202310011234（跑鞋）；2. ORD202309285678（T恤）”

5. 完整交互流程

用户输入：“订单号ORD202310011234的状态是什么？”

意图解析与实体提取：Agent提取order_id=ORD202310011234，识别意图为“查询订单状态”。订单信息查询：调用/order/query?order_id=ORD202310011234，返回：{"status":"shipped","logistics_company":"顺丰","tracking_number":"SF67890123456","ship_time":"2023-10-02 10:30"}物流信息查询（条件触发）：因订单状态为shipped，自动调用/logistics/track?company=顺丰&tracking_number=SF67890123456，返回：{"status":"配送中","current_location":"上海市浦东新区","estimated_delivery":"2023-10-03 18:00"}响应生成：整合信息后返回：“订单ORD202310011234已发货（发货时间：10月2日10:30），由顺丰快递配送（运单号SF67890123456）。当前状态：配送中（位于上海市浦东新区），预计10月3日18:00前送达。”

6. 扩展场景

异常通知：若物流信息显示“派送失败”，自动附加：“如需重新派送，可回复‘安排重派’”。跨账户查询：支持用户查询他人代付订单（需验证权限：“请提供下单人手机号后4位以确认权限”）。

总结

两个示例均体现了Amazon Bedrock Agent的核心价值：将自然语言转化为结构化工具调用，通过整合多源数据简化用户交互。实际落地时可进一步扩展：

产品助手：结合用户历史浏览数据增加个性化推荐（如“你可能还喜欢同款蓝色跑鞋”）；订单跟踪器：对接售后系统，支持“申请退款”“修改收货地址”等操作触发。

通过亚马逊云科技的 Serverless 架构（Lambda+API Gateway）和Bedrock的低代码配置，开发者可快速实现从“功能设计”到“生产部署”的全流程。

以上就是本文的全部内容啦。最后提醒一下各位工友，如果后续不再使用相关服务，别忘了在控制台关闭，避免超出免费额度产生费用～