英文原标题：How Cornerstone OnDemand cut database diagnosis by 78% with Amazon Bedrock
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- Cornerstone OnDemand 构建了名为 Orion AI 的多智能体系统，基于 Amazon Bedrock 和 Strands Agents 框架，将数据库运维从被动救火转变为主动自编排工作流。
- 系统采用中心辐射拓扑：元编排器作为中心，负责路由和流程控制，不持有领域工具；专业子智能体作为辐射点，各自拥有独立模型、领域工具和系统提示，按需懒加载。
- 数据库诊断时间从每次事件约 45 分钟降至 10 分钟，减少 78%；手动生命周期步骤从 10 步以上降至 1 次交互，减少 70%；SRE 与数据团队报告延迟从 15 分钟变为实时；冗余告警中位数减少 65%。
- 三项关键设计原则：按领域而非任务复杂度拆分智能体；默认关键词路由、语义搜索兜底；对话记忆限定于会话，实时指标绕过记忆以防数据陈旧。
- 系统部署在 Amazon ECS 上，通过 Web 应用交互，使用 Portal-Tools MCP 服务器连接数据源，并利用 Amazon Bedrock 提供模型、长期记忆和检索增强生成。
关键数据
- 服务覆盖 186 个国家、1.4 亿用户
- 诊断时间从 45 分钟降至 10 分钟，减少 78%
- 手动生命周期步骤从 10+ 步降至 1 次交互，减少 70%
- SRE 到数据团队报告延迟从 15 分钟变为实时
- 冗余告警中位数减少 65%，每 10 条告警仅 3-4 条到达工程师
- 三人团队在六个月内交付系统
- 约 80% 的查询通过内存关键词快速路径在 1 毫秒内解决
引语
- 数据库诊断从 45 分钟降至 10 分钟，减少 78%
- 每 10 条告警仅 3-4 条到达工程师
为什么值得看：该案例展示了如何利用 Amazon Bedrock 和 Strands Agents 构建多智能体系统，显著提升数据库运维效率，其设计原则和架构决策可供其他团队复用。
