特灵用亚马逊Bedrock AgentCore将 20 分钟诊断流程压缩到 20 秒
特灵科技在 3 至 4 周内构建智能体，将原本需要多屏导航 20 分钟以上的楼宇诊断操作，变成一次自然语言对话，内部实测时间缩短至 20 秒，效率提升 60 倍。
AI解读：特灵科技把工程师找答案的过程从手动翻多个仪表盘，变成直接问AI一句话，20 分钟压缩到 20 秒，靠的是把实时数据和文档搜索接到同一个对话入口。
这套方案不是买一个通用聊天机器人，而是按角色分发不同答案：现场技师看到故障代码和诊断步骤，楼宇业主要的是能效评分和简化摘要。
架构上把智能体逻辑和后端工具执行拆开，用Amazon Bedrock AgentCore托管运行、记忆和工具网关，让团队能独立更新各模块。
对运维团队来说，变化是紧急排查不再需要记住菜单层级；对特灵而言，这套后端可以复用到其他企业应用，内部集成不到一天。
目前公开的是特灵内部技术人员的实测数据，60 倍提升来自内部基准测试，外部客户使用效果尚未披露。
特灵科技（Trane Technologies）在亚马逊云科技机器学习博客中披露，其工程团队用 3 至 4 周时间，在Amazon Bedrock AgentCore上构建了一个智能体解决方案，将原本需要多屏操作、耗时 20 分钟以上的楼宇诊断工作流，压缩为一次 20 秒的自然语言交互。
据特灵内部对技术人员为期数周的基准测试，这相当于时间到洞察（time-to-insight）提升 60 倍。该方案面向管理数百万台联网暖通空调（HVAC）资产的操作人员、现场技师和服务经理。
特灵云（Trane Cloud）聚合了数百万台HVAC系统的实时性能数据，但此前用户要获得一个跨系统的运营答案，往往需要跨多个仪表盘交叉比对、逐层点击菜单。
从多屏导航到单一对话入口
特灵运营着数百万台联网HVAC资产，覆盖数据中心、医院、制造设施和商业地产。不同角色需要同一数据的不同视图：现场技师需要制冷剂压力、故障代码和系统级排查流程；客户经理需要正常运行时间指标、成本节约机会和资产组合趋势；楼宇业主则需要能效评分、可持续性指标和简化摘要。
现有工具对所有角色呈现单一界面，用户必须导航到自身工作流之外的各项功能。即使是基本的资产组合级问题，也可能需要在多个屏幕间手动操作。
- 现场技师：需要诊断精度，包括制冷剂压力、故障代码和系统级排查流程。
- 客户经理：需要战略情报，包括正常运行时间指标、成本节约机会和资产组合绩效趋势。
- 楼宇业主：需要高管层清晰度，包括能效评分、可持续性指标和简化运营摘要。
多智能体架构与AgentCore能力
该解决方案采用基于Strands框架的多智能体架构，部署在Amazon Bedrock AgentCore上，通过AWS CDK以基础设施即代码方式部署。每个专业助手由各自的系统提示词管理，聚焦单一能力领域。
团队用AgentCore的四项能力解决集成、分离、上下文和可观测性四大挑战。AgentCore Runtime将每个用户会话隔离在专用microVM中，会话结束即终止并清理；AgentCore Gateway将特灵云内部API暴露为MCP兼容工具；AgentCore Memory维护跨排查会话的对话状态，默认提供短期会话记忆，过期时限为 90 天；AgentCore Observability通过Amazon CloudWatch追踪工具调用，定位多步推理链中的故障。
- 资源助手：检索并总结参考资料，回答联系谁、该遵循哪本手册等问题。
- 知识助手：综合回答设备工作原理、系统参数或特灵云基础设施是否通过SOC 2认证等问题。
- 分析洞察助手：查询实时遥测，发现效率机会、标记待检查项、追踪故障根因。
- 专家顾问：帮助用户判断哪种产品方案适合特定场景，或如何组装定制演示。
- 导航助手：返回用户所需的确切链接和工具，如技术支持升级表单或替换零件订购页面。
技术选型与部署细节
在选择AgentCore之前，团队评估过将智能体托管在Amazon ECS和AWS Lambda上，但那需要自行构建会话隔离、自动扩缩容逻辑和按会话计费。团队最终选择AgentCore的四个差异化因素：托管智能体运行环境免除基础设施运维、内置会话记忆无需维护外部向量数据库、通过AgentCore Gateway原生工具编排、框架无关设计避免锁定专有编排层。
实时数据流为：用户查询携带JWT到达AgentCore Runtime，AgentCore Identity验证令牌，AgentCore Memory注入对话上下文，智能体通过OAuth 2.0机器对机器认证触发MCP Server，MCP Server向OpenSearch Service等系统发起并行工具调用，最后Amazon Bedrock上的Anthropic Claude模型合成遥测数据，通过Server-Sent Events流式返回给用户。
特灵在生产环境中配置了Amazon Bedrock Guardrails，包括内容过滤器、主题拒绝策略、敏感信息过滤器（在响应到达用户前检测并遮盖PII）和提示攻击检测。基础设施层面，基于角色的访问模型限制用户只能访问其授权范围内的数据，AgentCore Runtime的每会话microVM隔离防止计算层面的跨租户数据泄露。
- 每会话microVM物理隔离，现场技师与楼宇业主的会话互不可见。
- 仅对会话期间的活跃计算付费，工具调用之间的长时间停顿不累积成本。
- AgentCore Memory提供开箱即用的短期会话记忆，90 天过期生命周期兼顾上下文感知与存储效率。
- AgentCore Observability曾帮助团队通过CloudWatch中的智能体追踪，定位到AWS Secrets Manager中缺失的密钥，添加后故障解决。
部署节奏与后续计划
团队在 3 至 4 周内搭建出可工作的原型并向利益相关者演示，随后先向内部现场技师推出测试版。现场技师承担最严苛的诊断工作流，其反馈暴露了真实条件下的准确性和可用性差距，团队据此改进后再向外部客户发布。
凭借解耦的微服务架构和集中式AgentCore Gateway，将同一智能体后端集成到其他企业应用耗时不到一天。
后续计划包括：用AgentCore Evaluations以自动化准确性阈值为未来发布阶段把关，定义必须达到的通过率基准；用Amazon Bedrock AgentCore中的Policy替换目前编码在Runtime中的自定义授权逻辑，将工具级访问决策转为声明式策略定义，便于新角色入职和审计；向特灵其他工程团队开放AgentCore Gateway。
- 从原型到内部测试版再到外部发布，分阶段推进，先在最严苛用户中验证。
- AgentCore Evaluations将减少QA团队负担，定义每次发布前必须达到的通过率基准。
- Policy功能将授权逻辑声明化，使新角色入职和审计谁可以调用哪些工具更容易。
- Gateway向其他工程团队开放，因为其通过MCP等开放标准暴露工具。