正文 · AI 翻译
如果你使用 AI 智能体，可能已经不止一次解释过同一项任务。你可能会描述如何编写每周状态更新、撰写发布说明、管理项目或创建工单。这些都是可以通过 AWS Quick 的智能体和技能编码为可重复执行流程的任务。AWS Quick 是一项由 AI 驱动的服务，可用于自动执行任务、分析数据、构建 Web 应用程序和开展研究。你用自然语言与它交互，Quick 则使用 AI 智能体，结合你连接的数据源和应用程序处理请求。本文介绍智能体、技能和你的数据如何在 AWS Quick 中协同工作，以及如何构建和共享适合团队使用的技能。我们还会展示官方目录和自定义智能体如何帮助你使用这些技能。了解基础概念 本节介绍有助于理解 AWS Quick 中智能体、技能与你的数据之间关系的基础概念。图 1：Quick 智能体如何遵循指令、加载任务所需的技能、通过连接器执行操作，并以你的数据为依据生成回答 智能体位于图 1 的中心。它遵循指令，加载任务所需的技能，通过连接器执行操作，并以你的数据——空间、知识库、数据集和仪表板——为依据生成回答。使用智能体 AWS Quick 中的智能体是一种可配置的 AI，拥有自己的指令、知识来源（空间）和连接器，用于回答问题并为你完成工作。你可以在聊天中与智能体协作，也可以通过例程让它自行运行。智能体只能访问你有权访问的资源和服务，而且由你决定每个智能体可以做什么。Quick 是每位用户都可以使用的默认内置智能体。它没有固定的工作范围，因此在每次对话中，它都会使用你有权访问的资源，例如你的空间、知识库、仪表板、连接器和技能。你无需事先决定某个请求需要哪些数据或工具，因此大多数工作都可以从 Quick 开始。自定义智能体是由你或团队成员针对特定工作配置的智能体。例如，一个人力资源（HR）入职助手可以根据 HR 团队空间中的信息回答新员工的问题。你可以为它设置专属指令，并将其使用范围限定为用例所需的空间、连接器和技能。测试并发布后，你可以与 AWS Quick 账户中的其他用户和群组共享它。有关构建过程的分步说明，请参阅《使用 AWS Quick 构建 AI 驱动的员工入职智能体》。使用数据 智能体以你连接到 Quick 的数据为依据生成回答。空间是经过整理的文档和 AWS Quick 资源集合，供智能体用作信息来源。你可以为自己、团队或组织中的其他群组创建空间。你可以将文件和文件夹上传到空间，也可以添加仪表板、知识库、操作连接器和数据集等资产。开始与 Quick 对话时，你可以附加一个空间，以缩小 Quick 在该次对话中使用的数据范围。将空间添加到智能体后，该空间就成为智能体配置的一部分；当请求需要时，智能体会使用其中的信息。知识库是从数据源获取并经过组织和索引的文档或内容集合，针对检索和问答进行了优化。Quick 可从 Google Drive、Microsoft OneDrive、Confluence、Microsoft SharePoint、Amazon Simple Storage Service（Amazon S3）、网络爬虫或 Amazon Bedrock Managed Knowledge Bases 等来源同步知识库，并按照同步计划使其保持更新。数据集和仪表板来自 AWS Quick Sight，这是 Quick 中的商业智能功能，可用于通过 AWS Management Console 预置的账户。数据集是经过准备、可用于分析和仪表板的数据集合。仪表板是分析的已发布版本，可供你与其他 Quick 用户共享。借助数据集，你可以在数据库表等结构化数据之上构建语义丰富的元数据，从而用自然语言完成复杂的分析用例。最后，连接器将 AWS Quick 与外部应用程序或原生工具连接起来，让智能体能够代表你读取数据并执行操作。云连接器将 Quick 连接到 Microsoft Outlook、Slack、Jira、Asana 和 Salesforce 等服务，以及远程托管的模型上下文协议（MCP）服务器。无论你在哪台设备上使用 Quick，都可以使用这些连接器。本地连接器在你自己的计算机上运行，例如由你自行托管的 MCP 服务器，因此只有在该计算机开机并保持连接时，其工具才可用。有关连接器类型的完整列表，请参阅《AWS Quick 用户指南》中的《连接器》和针对具体集成的指南。这些功能共同让你能够通过自然语言使用自己的数据、文档和应用程序，在已连接的来源中提问并执行操作。使用技能 技能是一组可复用的指令，用于教会智能体如何完成特定任务。技能也是 Quick 中智能体行为和完成工作的基础。与其他智能体一样，Quick 中的智能体在一个遵循推理与行动（ReAct）模式的运行框架（托管的智能体循环）中运行。当你向 AWS Quick 提供提示时，智能体会利用可用的工具和指令实现目标，并向你提供回复。Strands Agents SDK 等智能体框架也围绕同样由模型驱动的循环构建。Quick 默认执行的许多工作都来自系统技能。例如，你可以要求 Quick 生成 Word 文档、PowerPoint 演示文稿、Excel 电子表格或 PDF。随后，系统技能可以利用其附带的脚本，通过代码创建或编辑文档。其他系统技能可浏览网页、运行代码、执行深度研究、转录音频和视频，以及生成图像。有些系统技能用于管理 Quick 本身，例如构建 AWS Quick Flows、安排例程、将工作交给 Kiro 等编码智能体、管理你的记忆和知识图谱，或跟踪你的待办事项。在 Quick 中，你可以开启或关闭系统技能，但不能编辑、复制、导出、发布、共享或删除它们。凭借 AWS Quick 提供的能力和工具，技能可以完成多种工作。例如，一项技能可以根据你的模板生成每周状态更新等交付成果。另一项技能可以通过多个连接器自动执行工作流，例如收集一周内的 Jira 更新并将摘要发布到 Slack。技能还可以通过 Python 脚本进行计算，并使用 JavaScript 将结果绘制成图表。什么是技能？Quick 技能遵循 Agent Skills 规范，该规范最初由 Anthropic 开发并作为开放标准发布。于 2026 年 4 月推出预览版、2026 年 9 月正式发布的桌面版 AWS Quick 使用这一规范。技能是一个文件夹，其根目录包含一个 Markdown 文件 SKILL.md，还可以包含指令所需的脚本或其他参考文件。文件的 frontmatter，即两条 --- 分隔线之间的属性，包含名称、描述以及与你的技能相关的其他元数据。以下是名为 release-notes-generator 的技能的简化示例。--- name: release-notes-generator description: "根据已合并的拉取请求、提交或变更日志生成易于阅读的发布说明……当用户要求‘生成发布说明’、‘编写变更日志’……时使用" --- 描述和名称是触发技能的两个最重要因素。Quick 在将技能加载到智能体的提示中时采用渐进式披露。只有当请求需要某项技能时，智能体才会读取该技能的完整指令；在此之前，它只读取各项技能的名称和描述，具体过程见《智能体如何加载技能》。这意味着，“为版本 2.3 生成发布说明”等特定措辞可以帮助触发技能。该规范规定名称最多为 64 个字符，描述最多为 1,024 个字符，并建议技能内的指令少于 5,000 个 token。图 2：release-notes-generator 技能文件夹，包含必需的 SKILL.md 文件，以及可选的 scripts 和 references 文件夹 在 Quick 中构建和共享技能 你可以通过聊天、文件（.md 或 .zip 文件），或根目录包含 SKILL.md 文件的文件夹创建技能。本文重点介绍通过聊天创建技能。首先，在聊天中向 Quick 描述你的任务。例如，可以从以下模板开始（用你的要求替换尖括号 <> 中的内容）：每 <指定频率，例如每天、每周一，或完全不设定频率>，我都必须从以下来源获取数据：- <列出你的来源以及你希望如何查询它们>……然后执行 <描述你希望如何转换数据以及确切的步骤顺序>。完成后，我必须创建一份报告 <描述报告格式或提供示例>，并使用以下连接器 <描述你的连接器> 将其发送给以下相关人员 <描述接收人>。根据这项要求创建一项技能，并帮我设计用于测试该技能的测试场景。你只需提供这些信息，就可以开始构建自己的技能。或者，你也可以利用此前为完成某项任务而进行的多轮对话，请 Quick 根据该对话生成技能。对最终结果满意后，发布并共享你的技能：选择 Customize，然后选择 Skills。找到草稿中的技能，打开其详情面板。选择 Publish。选择 Share，然后选择要与之共享的人员或群组。发布和共享是两个独立步骤，因此仅发布技能不会赋予任何人访问权限。你共享技能的对象可以在 Shared with me 下通过 Add to Quick 添加该技能；每次你再次发布时，他们使用的版本都会保持同步。有关当前操作步骤，请参阅《AWS Quick 用户指南》中的《草稿版本和已发布版本》以及《共享你的技能》。通过最佳实践改进技能 根据简短描述或对话构建的技能可能在你自己使用时表现稳定，但要构建供团队共享的生产级技能，还必须考虑许多因素。技能与代码类似，许多工程最佳实践可以帮助任何知识工作者构建技能。“在我的机器上能运行”是软件工程师常说的一句话，指软件在开发者自己的环境中可以运行，但其他人安装或使用时却会出问题。构建技能时，你必须考虑运行环境。技能指令可能会让智能体查询数据源，或调用连接器或工具。软件工程师通常通过记录软件使用前提条件来应对这一限制。例如，如果你单独共享一项技能，可能需要为它创建 README，记录这些要求。如果你共享的是使用该技能的智能体，也要共享它所连接的来源；否则，共享对象只能从他们原本就有权访问的来源获取答案。为失败情况做好规划。智能体使用的已连接来源依赖第一方和第三方服务。工程师编写代码时，需要弄清某个软件组件发生故障时该怎么办。如果将这些场景纳入技能指令，智能体就能依据具体指令调整做法。你不必成为下游服务的专家，因为智能体会朝着目标工作，并能在某一步失败时重试或尝试其他方法。但当失败影响任务或业务流程时，你确实需要列明应采取的措施。请看下面摘自某项技能工作流的片段；如果该步骤失败，可能会产生后果。[智能体] 通过电子邮件将报告发送给 {{recipient}}。如果电子邮件发送失败，智能体应该怎么办？你可能需要添加针对这种情况的指令。[智能体] 通过电子邮件将报告发送给 {{recipient}}。验证：报告出现在你的“已发送”文件夹中。如果失败：停止操作，告知用户报告未发送及其原因，以便他们自行发送。在没有人工参与的情况下按计划运行智能体时，处理失败场景尤其重要。测试每项更改。软件工程师会编写单元测试、集成测试等多种测试来检验软件，并在每次更改后运行这些测试。对于技能，同样重要的是针对各种场景自行设计测试用例，并在做出更改时不断添加新测试。实现这一点的方法有很多，但最好在预计下游用户将使用的环境中进行测试。构建生产级技能时，还有许多其他方面需要考虑：为每项更改添加发布说明。不要把 /Users/me/notes 或 #my-team 等会变化的硬编码值写进步骤，而应将它们声明为由每个人提供的输入。用人能读懂的日期记录技能的更改时间。记录每个参考文件的来源，以便来源发生变化时也能更新技能指令。保存校验和，即技能文件的指纹，以显示某个副本何时与经过检查的版本不同。每次更改后检查结构，就像代码检查工具在他人审查代码前发现错误一样。以一致的方式构建技能，让团队能够更快地贡献和审查更改。对任何用户而言，要考虑的事情都很多。因此，AWS Quick 官方目录提供了按照这些最佳实践构建的技能等预构建资源。AWS Quick 官方目录 该目录收录了一系列智能体资源，你可以安装后直接使用，也可以将其作为起点，根据自己的工作进行调整。目录声明，其中每项资源在发布前都经过质量、安全性及其他方面的测试和扫描。这些技能涵盖日常生产力任务，以及销售、营销、HR、法务、项目管理、客户成功和软件工程等团队的工作。它们还覆盖金融、医疗保健和生命科学、能源和公用事业、酒店服务，以及供应链和物流等行业。目录中包含预构建的 Skill Architect 技能，它可以为你应用这些工程最佳实践，具体见《在 AWS Quick 中运用软件工程实践构建技能》。要安装它，请依次选择 Customize、Skills、Browse all 和 Official。在搜索框中输入 skill architect，然后选择 Install。有关当前操作步骤，请参阅《在桌面版 AWS Quick 中安装技能》。将技能连接到你的智能体 创建智能体时，你需要配置其名称、描述和指令，并选择它读取的空间、可以使用的连接器以及可以加载的技能。有关详细信息，请参阅《AWS Quick 用户指南》中的《智能体配置》。当智能体专注于解决特定用例（例如回答新员工问题或准备每周状态报告），并将其使用范围限定为该用例所需的空间、技能和连接器时，效果最好。默认情况下，智能体可以使用你的所有技能；当你添加特定技能时，智能体就只能使用这些技能。共享智能体时，这一点会带来问题，因为它以使用者的访问权限运行。对于同一请求，它在不同用户那里可能访问不同的数据和技能；如果需要只有你才能访问的来源，返回的答案可能不完整。如果你想将智能体、技能和空间全部关联起来，可以尝试所链接研讨会中的 personal agent architect 模块。结语 本文展示了智能体如何在 AWS Quick 中使用技能和你的数据，以及如何构建和共享适合团队使用的技能。我们还展示了官方目录和自定义智能体如何帮助你使用这些技能。要了解更多信息、查找活动或分享你使用 AWS Quick 取得的成果，请访问 AWS Quick Community。AWS Quick Community 提供学习资料、功能公告、活动以及其他用户的示例。你也可以在其问答论坛中提问。若想观看关于本文主题的录播课程，请观看《Encode Your Enterprise with Agents & Skills on AWS Quick》。该课程介绍技能的结构和加载方式、技能如何与智能体、空间和连接器协同工作，以及构建共享技能的最佳实践。课程最后演示了官方目录和 Skill Architect 技能。以下是每天从事 AWS Quick 工作的专家设计的其他资源：《AWS Quick 完整指南：智能体 AI 业务工作空间》。《AWS Quick：具有丰富集成的端到端业务用例》。《AWS Quick 管理研讨会》。《深入了解 AWS Quick Sight》。《AWS Quick Knowledge Hub——官方代码示例和解决方案》。关于 AWS Quick 的 AWS 博客文章。关于作者 Jed Lechner Jed 是 Amazon Web Services 的高级专家解决方案架构师，专注于智能体 AI 解决方案。在担任目前的职位之前，他曾在 AWS 和其他公司担任软件工程师，重点关注能源和可持续发展。