AWS, Bedrock 自动推理策略引入开源智能体技能

摘要

AWS公开了6种开源Agent Skills，可让编码智能体执行Amazon Bedrock Automated Reasoning策略的完整生命周期
Agent Skills是Anthropic提出的轻量级开放格式，可安装到Kiro、Claude Code、Cursor、Codex等多种编码智能体中使用
Automated Reasoning检查不依赖统计抽样，而是基于SMT求解器的形式逻辑验证来判定AI回答是否符合规则

将控制台操作转移到代码中

AWS公开了一套开源Agent Skills，可让编码智能体直接执行Amazon Bedrock的Automated Reasoning策略生命周期。本次发布内容刊登于AWS ML Blog，作者为Adewale Akinfaderin。此前，制定和验证策略是在Bedrock控制台中完成的专业工作，而这套技能集将其转变为编码智能体可以反复执行的工程化工作流程。

Automated Reasoning检查验证的内容

Automated Reasoning检查分两个阶段运作。首先，基础模型（FM）将问题和答案翻译为形式逻辑，并映射到策略变量中。随后，SMT（Satisfiability Modulo Theories）求解器将该逻辑与策略规则进行比对验证并做出判定。据介绍，这种方式不是统计抽样，而是基于形式逻辑的验证，因此只要翻译准确，判定结果就能保证数学上的正当性。策略规则采用SMT-LIB（自动定理证明器的标准输入格式）的子集编写。

用6种技能划分策略生命周期

此次公开的技能集由对应策略生命周期各阶段的6个技能组成。每个技能都包含一份简短的指南文件和一个调用Bedrock Automated Reasoning API的执行脚本，并共享说明API结构、检测类型和规则语法的通用参考文档，从而提供一致的指导。

阶段	内容
规则提取	从原始文档中提取规则
审查	审查服务生成的规则
编写测试	编写反映实际用户提问的测试
调试	诊断失败案例
部署	将版本化的策略部署到防护栏之后
验证	验证已部署策略的行为

为何适合由智能体来完成

Agent Skills是Anthropic提出的轻量级开放格式，是一种结构化的上下文包，用于为编码智能体扩展特定服务或领域的专业知识和工作流程。智能体不再依赖不完整或过时的通用训练数据，而是按照技能中包含的经过验证的模式、常见错误和分步操作流程，生成正确的API调用。由于该格式是开放的，可以安装到任何支持该格式的智能体中，AWS举例提到Kiro、Claude Code、Cursor、Codex均可兼容。

AWS表示，编写策略时存在大量从规则提取到应对API约束条件等细致且重复的工作，这类具有明确规则和失败类型的任务，非常适合在给予明确指引的情况下交由编码智能体完成。AWS还补充说，希望引入Automated Reasoning检查的团队之所以希望以代码为基础管理整个生命周期，也是出于可重复性和易于审查的考虑。

metallab.ai将持续关注编码智能体与云服务结合的应用案例。