新闻 · AWS Machine Learning Blog
使用Strands Agents构建自适应智能体框架
自适应智能体智能框架（AAIF）基于Strands Agents构建，利用小型语言模型在本地处理常规任务，并通过Amazon Bedrock将复杂请求路由至云端模型。本文以物联网监控场景为例，介绍如何通过Ollama和Amazon Bedrock结合本地SLM构建AAIF。
en
英文原标题：Adaptive agentic intelligence framework using Strands Agents
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- AAIF（Adaptive Agentic Intelligence Framework）基于 Strands Agents 构建，旨在解决所有请求都路由到单一大型模型带来的高成本、高延迟和无法离线运行的问题。
- 框架分为三层：轻量级 SLM（llama3.2:1b）作为编排器分类请求；本地 SLM 通过 Ollama 处理常规任务（如设备遥测、图像分析）；复杂请求则通过 Amazon Bedrock 调用云端前沿模型。
- Strands agent 暴露三个工具：get_device_telemetry 获取本地传感器数据，analyze_camera_feed 使用 llama3.2-vision 进行本地视觉分析，get_expert_insights 通过 boto3 调用 Amazon Bedrock 进行复杂分析。
- 该架构可适应不同部署约束，能在 8GB 内存的 Raspberry Pi 等边缘设备、全云端或混合配置中运行，路由逻辑与处理工具分离，便于独立替换或重配置。
- 文章以 IoT 监控场景为参考实现，并引用了 NVIDIA 研究者 Belcak 等人的观点，认为小语言模型在代理系统中“足够强大、更合适且更经济”。
关键数据
- 编排器模型为 llama3.2:1b，视觉模型为 llama3.2-vision
- 边缘设备要求 8 GB 内存（如 Raspberry Pi）
- Python 3.10+ 为前置条件
- 云端调用使用 boto3 的 converse API，maxTokens 设为 512，temperature 0.5，topP 0.9
为什么值得看：它提供了一种可落地的模型编排方案，在降低 API 成本的同时兼顾低延迟与离线能力，对构建边缘 AI 代理具有参考价值。