Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
AgentCore información: Clasifique las fallas de los agentes con el análisis de patrones
nota
AgentCore insights está en versión preliminar pública. Las funciones y las API pueden cambiar antes de la disponibilidad general.
nota
Al utilizar AgentCore información en ap-south-1, el servicio utiliza los perfiles de inferencia interregionales de Bedrock APAC. Cuando utiliza AgentCore información en ap-northeast-2, el servicio utiliza los perfiles de inferencia interregionales globales de Bedrock. En ambos casos, su solicitud puede dirigirse a cualquiera de las regiones de destino del perfil. Este enrutamiento puede producirse incluso si no te has inscrito en esas regiones o si tienes políticas de control de servicios que deniegan explícitamente la inferencia en ellas. Las solicitudes de entrada y los resultados de salida pueden almacenarse en estas regiones de destino para detectar abusos.
Amazon Bedrock AgentCore Insights analiza las sesiones de sus agentes para identificar patrones de error, extraer las intenciones de los usuarios y resumir el comportamiento de ejecución. Insights amplía AgentCore las evaluaciones al proporcionar análisis de clasificación que van más allá de la puntuación: le indican por qué su agente fracasa y qué es lo que sus usuarios intentan lograr.
AgentCore insights ofrece tres tipos de análisis:
-
Análisis de errores: identifica los errores en las sesiones de los agentes, los clasifica mediante una taxonomía detallada (errores de herramientas, alucinaciones, razonamiento incorrecto, comportamiento repetitivo, etc.), rastrea las causas fundamentales hasta períodos específicos y proporciona recomendaciones para solucionarlos.
-
Extracción de la intención del usuario: extrae lo que los usuarios intentaban lograr en cada sesión y, a continuación, agrupa los intentos similares para mostrar los casos de uso más comunes que gestiona el agente.
-
Resumen de la ejecución: resume el enfoque que adoptó el agente y el resultado de cada sesión y, a continuación, agrupa patrones de ejecución similares para revelar la forma en que el agente suele resolver los problemas.
Tras el análisis por sesión, el servicio agrupa los resultados en varias sesiones para descubrir los patrones recurrentes. Para el análisis de errores, esto produce una jerarquía de tres niveles: categorías de errores → subcategorías → clústeres con la causa principal, cada uno con las sesiones afectadas, las explicaciones y las recomendaciones de corrección.
Cómo se genera la información
El análisis de información se puede activar de dos maneras:
-
Una sola vez mediante una evaluación por lotes: llame
StartBatchEvaluationinsightsa nosotros para realizar el análisis en un intervalo de sesiones. Los resultados se devuelvenGetBatchEvaluation. -
Recurrente mediante un cronograma de agrupamiento
ClusteringConfigen clústeres: configure una configuración de evaluación en línea con una o más frecuencias (DAILY,WEEKLY, oMONTHLY). El servicio activa automáticamente los trabajos de evaluación por lotes según la cadencia configurada. También puede crear un informe personalizado en la programación periódica para fijarlo a una fecha y hora específicas.
Per-session El análisis de información se ejecuta automáticamente cuando la información se configura mediante CreateOnlineEvaluationConfig, pero el agrupamiento da como resultado que los patrones de la superficie solo se generan durante los trabajos de evaluación por lotes.
Desde la clasificación hasta la optimización
AgentCore la información se combina con AgentCore la optimización para cerrar el ciclo de mejora. Una vez que Insights identifique los patrones de error y las causas principales, puede introducir esos hallazgos en la API de recomendaciones para generar un mensaje de sistema mejorado que aborde los problemas evaluados. Esto convierte los resultados del diagnóstico en cambios de configuración viables:
-
Clasificación: obtenga información para identificar las categorías de errores recurrentes y las causas principales.
-
Genere una recomendación: llame
StartRecommendationcon el indicador de su sistema actual e indíquelo a los mismos rastros de agentes. El servicio genera un mensaje de sistema recomendado con una explicación de lo que ha cambiado. -
Validar: utilice A/B las pruebas para comparar las configuraciones originales y recomendadas con el tráfico en vivo.
