1 / 13
Zmead AI
Zmead AI Agent
基于 Amazon Bedrock AgentCore 构建的
企业级交付型 AI Agent 平台
AgentCore Runtime
AgentCore Memory
AgentCore Browser
AgentCore Code Interpreter
AgentCore Evaluations
议程
1
Zmead 是什么
用 Kiro 全流程开发的企业级 Agent 应用 — 对话即交付
2
Kiro 全流程开发实践
Spec 驱动：需求 → 设计 → 任务 → 实现
3
整体架构
从 CloudFront 到 Amazon Bedrock AgentCore 的端到端架构
4
AgentCore 核心组件实践
Runtime · Code Interpreter · Browser · Memory · Evaluations · Identity
5
总结与演示
痛点与解决方案对照 · 实机演示 · Q&A
黎小为
亚马逊云科技
解决方案架构师
Zmead 是什么
一个用 Kiro（AI IDE）全流程开发的企业级 Agent 应用 —— 自然语言对话即产出图片、文档、网页，并一键发布上线。
📄 文档与报告
- 方案文档 / 竞品分析
- 周报、月报自动生成
- 博客文章（MDX，直发 zmead.com）
- HTML 演示文稿
🎨 多媒体生成
- 图片（Stability SD3.5）
- 视频（Luma Ray v2）
- 架构图（Draw.io）
- 多模态理解（Nova 2 Lite）
🌐 网页与发布
- 网页生成 + 一键发布（S3 + CloudFront）
- Live Canvas 实时渲染
- 浏览器自动化与预览
- 沙箱代码执行
24 个工具
6 个技能包
Claude Opus 4.8
Strands Agents
核心理念：Agent 的价值不在对话本身，而在可复用、可发布的交付物（Deliverables）。
Kiro 全流程开发实践
Zmead 的前端、后端、基础设施（CDK）与内容站点，全部由 Kiro Spec 驱动开发完成。
需求
requirements.md
→
设计
design.md
→
任务拆解
tasks.md
→
实现 + 验证
代码 / 测试 / 部署
Spec 驱动，而非 Vibe Coding
- 每个功能先写 Spec：需求验收标准（EARS 格式）→ 技术设计 → 任务清单
- AI 按任务逐项实现，每项可审查、可回滚
- 大型重构（如接入 AgentCore Runtime）也能稳定推进
Steering + Hooks 保证一致性
- Steering 文件沉淀项目约定：技术栈、目录结构、代码风格
- Agent Hooks 自动执行重复动作：测试、Lint、文档同步
- 架构图、演示文稿等周边资产同样由 AI 生成
实践结论：4 个子系统（backend / frontend / portal / infra）、全栈交付，开发者角色从"写代码"转变为"定义规格 + 审查结果"。
整体架构
用户经 CloudFront / ALB 接入；ECS 上的 FastAPI 通过 SSE 调用 AgentCore Runtime，由其编排 Memory、Code Interpreter、Browser 等托管能力并调用 Bedrock 基础模型。
AgentCore Runtime
解决问题：Agent 生产部署的运维复杂性
✗ 自建方案的负担
- 自行管理容器弹性伸缩
- 长时间 Agent 任务受 ALB 60s 超时限制
- 实例重启导致 Agent 状态丢失
- 健康检查、重试、版本管理全部自研
✓ AgentCore Runtime 托管
- 自动 Scale-to-Zero，按需启动实例
- SSE 长连接流式传输，不受超时限制
- 内建健康检查与蓝绿部署
BedrockAgentCoreApp 声明式接入
Zmead 的集成方式
from bedrock_agentcore import BedrockAgentCoreApp
from bedrock_agentcore.runtime.context import RequestContext
app = BedrockAgentCoreApp()
@app.entry_point()
async def handle_request(context: RequestContext):
agent = ZmeadAgent(user_id=context.user_id, ...)
async for event in agent.process_message(context.input):
yield event # SSE streaming
一个入口文件即可上线：业务只关注 Agent 逻辑，伸缩、可用性与版本管理由 AgentCore Runtime 托管。
AgentCore Code Interpreter
解决问题：Agent 生成的代码在哪里安全执行
✗ 直接在业务容器内执行
- 任意代码与业务进程同环境，越权风险高
- 依赖污染：pip install 影响生产镜像
- 死循环 / 高内存代码拖垮服务
- 多用户之间无隔离
✓ AgentCore Code Interpreter 沙箱
- 独立沙箱会话，与业务环境完全隔离
- 支持 Python / JavaScript / Shell
- 会话级文件系统，产物自动回传 S3
- 超时与资源限额内建
典型链路：数据分析交付
用户上传 CSV
→
Agent 生成分析代码
→
沙箱执行（pandas / matplotlib）
→
图表存入 S3，对话中展示
代码执行从"高危操作"变为"普通工具调用"：沙箱隔离 + 产物落 S3，Agent 可以放心地写代码、跑代码。
AgentCore Browser
解决问题：Agent 无法操作真实 Web 页面
✗ 自建浏览器集群
- HTTP 抓取无法处理 SPA / 动态页面
- 自管 Playwright 集群运维负担重
- 用户看不到 Agent 正在做什么
- 会话间安全隔离需自行解决
✓ AgentCore Browser 托管无头浏览器
- 完整 Chromium 会话，支持 JS 执行
- navigate / click / fill / screenshot 工具化
- DCV Live View 实时观看 Agent 操作
- 每个会话独立沙箱隔离
前端实时预览链路
Agent 调用 Browser 工具
→
AgentCore Browser
→
DCV 预签名 URL
→
聊天界面内嵌实时画面
Zmead 的实践：嵌入式浏览器预览 —— 用户在聊天气泡内即可观看 Agent 的浏览器操作，支持全屏；DCV URL 自动续期，规避预签名 5 分钟过期。
Browser 让 Agent 从"只会调 API"升级为"能操作任何网站"，且全程对用户可见、可审计。
AgentCore Memory
解决问题：跨会话遗忘，用户偏好反复解释
✗ 无长期记忆
- 每次新会话从零开始
- 用户偏好（语言、风格、常用架构）反复说明
- 长会话上下文溢出丢失关键信息
- 会话历史需自行存储与检索
✓ 双层记忆体系
- 短期记忆（STM）：会话事件自动持久化
- 长期记忆（LTM）：语义事实跨会话可检索
- Memory Dreaming：自动从对话中提炼长期记忆
- Session Manager 与 Strands Agents 原生集成
Memory Dreaming 机制
对话进行中
→
每 5 条消息
→
触发 Extraction Job
→
STM 提炼为语义 LTM
Memory 让 Agent 真正"记住"用户：偏好、历史任务、常用架构跨会话延续，无需重复说明。
AgentCore Evaluations
解决问题：Agent 质量评估依赖人工，无法回归
✗ 人工测试的局限
- 模型 / Prompt 变更后只能抽样手测
- 多轮对话场景难以复现
- 质量退化上线后才被用户发现
- 没有量化指标，优劣全凭感觉
✓ 自动化多维度评估
- LLM-as-Judge 按 Rubric 多维度打分
- 多轮（Multi-turn）对话测试用例
- Online 生产监控 + Batch 批量回评
- On-demand 评估接入 CI/CD 质量门禁
Zmead 的实践：模型升级回归验证
12 个评估用例
→
A/B 对比（Opus 4.7 vs 4.6）
→
质量门禁（score ≥ 0.8）
→
通过后升级生产模型
Evaluations 让"换模型"从赌博变成工程：先评估、过门禁、再上线 —— Zmead 升级到 Opus 4.8 正是走的这条流程。
AgentCore Identity
解决问题：Agent 的密钥与凭证管理
✗ 静态密钥的风险
- API Key 硬编码在 .env 与容器镜像中
- 密钥泄露面随实例数量扩大
- 多 Agent 实例无法统一管理凭证
- OAuth Token 刷新逻辑需自行实现
✓ AgentCore Identity（Token Vault）
- Workload Identity 身份认证后从 Token Vault 按需获取凭证
- 运行时动态注入，不落磁盘、不进镜像
- 统一 Provider 命名规范集中管理
- OAuth Token 自动续期
Zmead 的 Credential Provider 规范
| Provider 名称 | 用途 | 类型 |
|---|
zmead-api-key | 内部 API 认证 | API Key |
zmead-github | GitHub Personal Token | API Key |
zmead-tavily | Tavily AI 搜索 | API Key |
zmead-oauth-* | MCP Server / 外部服务 | OAuth |
AgentCore Identity（Workload Identity + Token Vault）= 零信任凭证管理：Agent 不持有任何静态密钥。
总结：痛点与解决方案对照
| 痛点 | AgentCore 组件 | 解决方案 |
|---|
| Agent 生产部署复杂（伸缩、健康检查、版本管理） |
Runtime |
声明式接入，自动 Scale-to-Zero 与蓝绿部署 |
| Agent 生成的代码无处安全执行 |
Code Interpreter |
隔离沙箱执行 Python / JS / Shell，产物回传 S3 |
| 无法操作真实 Web 页面，过程不可见 |
Browser |
托管 Chromium 沙箱 + DCV Live View 实时预览 |
| 跨会话遗忘，用户偏好反复解释 |
Memory |
STM / LTM 双层记忆 + 自动提炼长期记忆 |
| 质量评估靠人工，模型升级如赌博 |
Evaluations |
LLM-as-Judge 多维评分 + CI/CD 质量门禁 |
| 密钥硬编码，凭证泄露风险 |
Identity |
Workload Identity + Token Vault 运行时动态注入，零静态密钥 |
Amazon Bedrock AgentCore 让团队专注 Agent 业务逻辑 —— 执行环境、记忆、评估与凭证安全均由托管服务承担。
谢谢观看
欢迎体验与交流
agent.zmead.com
zmead.com
黎小为 · 亚马逊云科技解决方案架构师
