top of page

DXC OASIS Amazon Bedrock 架构将模型选择与代理权限分离

31分钟前
讀畢需時 12 分鐘

DXC Technology 于 11 月 11 日详述其 DXC OASIS Amazon Bedrock 架构,将对多个 AI 模型的访问权限与更改生产系统的授权分离开来。Amazon Bedrock 提供底层基座,即访问模型的共享基础。DXC 提供编排层,即协调工作、执行运营规则并记录代理操作的软件。两者的区别至关重要,因为有用的回答与获授权的操作需要不同的控制机制。

AWS 工程案例研究描述的是现有部署,而非 11 月的产品发布。OASIS 于 2026 年 3 月正式全面可用。其核心架构选择挑战了一种颇具诱惑力的捷径:将访问高能力模型视为自主运营的充分准备。

这一选择促使企业买方和托管服务提供商审视责任究竟落在何处。IBM watsonx Orchestrate 为日益重视跨企业系统管理代理的趋势提供了有价值的市场参照。相关比较关乎对工作的控制,而非单个模型之间的较量。

DXC OASIS Amazon Bedrock 架构明确划定边界

DXC 最具决定性的选择,是将模型访问与运营权限分配给不同层级。

这篇由双方共同撰写的 AWS 多模型架构文章介绍了通过 Bedrock 访问 Anthropic Claude、Amazon Nova、Meta Llama 和开放权重模型的方式。开放权重模型会根据各自许可证提供其已学习的参数。DXC 自有的编排层决定代理如何使用工具,以及如何在运营工作流中推进。

据报道,该设计将代理环境运行在 Amazon EKS 上,后者是 AWS 用于运行容器化应用程序的托管服务。私有网络将该环境连接至 Bedrock。这些选择描述的是支撑基础设施,而编排层仍负责界定运营工作的含义与授权。

DXC 为遍布 70 个国家的受监管组织提供服务。该数字描述的是其业务覆盖范围,而非运行 OASIS 的国家数量已获验证的统计。作出这一区分,能够避免将公司的规模暗示为部署规模。

当代理建议进行生产变更时,这一实际边界会变得更加清晰。生成建议需要基于证据进行推理;执行建议则需要与特定客户、资源、操作及运营情境相绑定的权限。

这些要求彼此重叠,但不可互换。模型可以针对请求用户无权批准的操作给出准确建议。反过来,获准执行的操作也可能建立在错误诊断之上。

分离这些决策,能让运营方更清楚地定位故障调查的切入点。是证据有误?模型误解了证据?还是执行层接受了超出已批准范围的操作?

这正是该案例研究值得在模型清单之外获得关注的原因。该架构使责任变得可检查。买方可以询问由哪个组件执行某项规则,而不必接受系统“具备治理机制”的笼统保证。

它也改变了灵活性的含义。增加另一种模型不应要求重新定义谁能授权生产变更。运营政策需要保持足够稳定,以便客户理解自身面临的风险敞口。

不过,这种分离也带来工程责任。随着两个层级不断变化,组织必须维护推理与执行之间的接口。架构图中划定的边界,需要在运行中的系统里体现为相应行为。

因此,眼前的新闻是一份关于 DXC 如何分配这项工作的说明。其更广泛的意义在于,它将这些分配具体化到足以让其他企业提出质疑。

托管服务提供商面临更高要求的采购对话

企业买方需要关于授权委派的证据,也需要关于回答质量的证据。

DXC 与 LangChain 共同开发的 代理编排层白皮书介绍,OASIS 运行于 LangGraph——一个用于协调有状态代理工作流的框架。DXC 表示,其运营模型为每个角色设定只读访问作为起点。更广泛的权限则依次经历观察、提出建议、经批准后行动,以及在既定范围内行动。

该白皮书还介绍了围绕工具使用、以代码形式实现的政策执行机制。敏感操作可以暂停,等待人工决策。这些是公司对系统的描述,而非对每项部署的独立认证。

对于托管服务提供商而言,这种方法改变了客户在评估期间应当提出的要求。一场有说服力的演示应展示代理碰到边界后停止。仅展示成功完成,无法检验执行机制。

买方还应审查谁拥有例外处理权。当工程师批准一项非常规操作时,该批准是否仅适用于当前执行?还是会悄然扩大未来代理可执行的范围?

这种区别同时影响安全性和对客户的问责。临时授权应与持久性政策变更保持可区分。否则,一连串看似合理的例外可能形成从未被任何人有意授予的权限。

DXC 的 Human+AI 框架也值得从运营角度解读。当审查者获得足以作出决定的证据时,人工参与才有价值。没有可理解范围的批准按钮,可能会让监督沦为例行确认。

重要的组织问题在于可投入的注意力。如果代理能更快地准备调查,人类审查就可能成为剩余的制约因素。企业随后需要区分例行批准与需要专业判断的决策。

这并不否定该模型。它改变的是人员配置和流程设计的重要位置。团队或许会减少汇集证据的时间,却将更多注意力投入评估后果。

知识管理同样成为这场采购对话的一部分。基于过时流程的建议可能看似令人信服,却违反了当前客户实践。买方应询问运营知识如何获得权威地位,以及过时指导如何失去这种地位。

组织这些证据的团队,可以从面向技术文档的可搜索知识库开始。查找相关资料仍不同于批准基础设施变更。二者的联系在于,呈递给决策者的证据质量与可追溯性。

IBM 的代理管理平台体现了竞争环境。IBM 将 watsonx Orchestrate 定位为用于协调代理、应用政策、评估性能并提供企业级可见性的产品。其文档包括对受支持外部代理的管理,以及对工具调用结果的追踪。

这一定位支持一个有限的市场观察:供应商日益将代理管理与代理创建一同出售。但这并不能证明 IBM 和 DXC 提供等效控制措施,或取得可比的运营成果。

尽管如此,对提供商的压力是具体的。买方可以要求明确指定政策、批准、例外和恢复的责任人。模型目录只能回答这场采购对话的一部分问题。

模型灵活性带来保障义务

通用接口能够简化访问,但并不会让不同模型在行为上可以互换。

DXC OASIS Amazon Bedrock 方法将模型选择作为独立的架构决策。其价值取决于在所选模型变化时是否能够维持运营预期。这不仅仅是检查替代模型是否接受相同的请求格式。

替代模型可能以不同方式总结证据、表达不确定性,或选择不同的调查步骤顺序。即使最终建议看似相近,这些差异也会影响人工审查者。

例如,简洁回答可能省略另一模型明确陈述的条件。审查较短回答的运营人员可能在未看到重要依赖关系的情况下批准变更。这是一个用于说明评估关注点的示例,而非已报道的 OASIS 事件。

同样的问题也适用于工具选择。在提出变更前收集额外证据的代理,与立即得出建议的代理行为不同。评估不仅需要审查终点,也需要审查路径。

Bedrock 的智能提示路由文档定义了一项范围更窄的托管功能:在同一模型家族内的受支持模型之间进行选择。该功能会预测响应质量以指导选择。它不应被误解为可以在所有提供商之间不受限制地路由。

AWS 还记录了与专业运营相关的限制。智能提示路由针对英文提示进行了优化,且无法利用特定应用的性能数据调整决策。AWS 指出,非典型或专业化的使用场景可能获得较不合适的路由决策。

对买方而言,其含义很直接。对响应质量的一般预测,并不能证明其适合特定生产工作流。组织仍需要从与自身环境相似的任务中获得证据。

因此,针对事件诊断的评估应衡量代理是否收集了必要事实。它还应检视代理何时拒绝继续执行。正确的克制与完成任务同样重要。

模型灵活性还带来另一个问题:当首选选项不可用时会发生什么?回退,即在首选模型无法处理请求时使用的替代模型,需要有自身的批准依据。

服务不应通过悄然改变其对不确定性的容忍度来维持可用性。一些任务可以在能力降低的情况下继续进行。另一些任务则应暂停,因为获批的替代方案无法支持同样的运营决策。

这在基础设施连续性与工作流连续性之间形成了有用的区分。保持模型端点的响应,并不自动维持周边流程的可靠性。工作流仍需要针对推理能力降级作出明确响应。

经济论证也需要更广阔的视角。消耗更少资源的模型,仍可能产生更多审查工作。额外澄清、重复调查和被拒绝的提案,可能抵消推理层的节省。

推理,即生成模型响应的过程,只是交付运营结果的一部分。买方应评估从请求到经验证结果的完整路径,其中也包括为人员创造的工作量。

因此,对于 DXC OASIS 代理治理而言,模型选择成为一项保障决策,即由关于可接受行为的证据所支持的判断。只有在替代方案成为必要之前就已得到评估时,灵活性才能带来回报。

云端防护措施解决的问题不同于操作权限

私有连接和内容过滤能够夯实基础,但行动授权仍是独立的责任。

Amazon Bedrock Guardrails 为模型输入和输出提供可配置的检查机制。AWS 将其描述为包括有害内容过滤、禁止主题、敏感信息过滤,以及对偏离所提供证据的响应进行检查。这些功能针对模型交互中的重要风险。

内容防护措施文档也将配置作为其行为的核心。运营人员需要选择相应策略,并根据应用需求进行测试。敏感信息检测具有概率性,因此不应将其视为绝对保障。

生产环境中的操作引入了另一类决策。一个响应可以使用恰当的语言且不含敏感信息,同时却建议进行未经授权的变更。仅靠内容筛查无法确定某位工程师是否有权修改某个特定系统。

以重启服务这一示例请求为例。其表述可能无害,技术建议也可能合理。但是否具备权限仍取决于所有权、时机、客户限制以及对依赖系统的影响。

这正是 DXC OASIS 智能体治理需要维持的边界。执行路径必须根据适用的权限评估拟议操作。模型的信心不应替代这项检查。

AWS PrivateLink 则解决了另一类问题。其私有 Bedrock 连接允许应用程序通过接口端点访问 Bedrock,而无需经过公共互联网。接口端点为 AWS 服务提供私有入口。

AWS 记录了端点策略可用于控制获准的主体、操作和资源。它还说明,默认端点策略允许通过该端点完整访问 Bedrock。因此,私有路径仍需要经过审慎的访问配置。

这一细节很重要,因为网络图可能造成一种完整无缺的误导印象。连接未经过公共互联网,确实说明了传输层面的一些有用信息;但它无法回答谁能够使用该连接的所有问题。

位置又引入了一项独立决策。模型可用性因 AWS Region 而异,部署选择必须符合客户已批准的数据处理地点。私有连接不应成为所有数据驻留要求均已满足的简称。

同样的推理也适用于可审计性。记录模型响应有助于解释应用程序接收了什么。操作问责则需要关于系统实际尝试执行的操作及其最终状态的证据。

智能体的叙述可以帮助审查人员理解调查过程,但不应成为执行的唯一记录。当智能体的解释不完整或有误时,系统仍需要保留有用的记录。

DXC 在其演示环境中描述了一起虚构的航空公司事件。一名智能体诊断出存储问题,并向工程师提交修复计划以供批准。该示例说明了调查与权限之间的边界;它并未证明某家具名航空公司的生产结果。

对企业买家而言,有价值的问题是:在不那么便利的情况下,这一边界是否依然存在。演示应包括被拒绝的请求、被中断的执行以及不确定的证据。这些情形能够揭示,当完成不再一帆风顺时,控制是否仍然有效。

所报告的收益需要在工作负载层面审视

DXC 的性能数据是该公司自行报告的测量结果,并非自主 IT 运营的通用基准。

DXC 报告称,在 56 个已测量用例中,平均解决时间缩短了 95%。它还报告,依据资深工程师的判断进行评估后,诊断准确率至少达到 92%。这些数据描述的是该公司的评估,应保留这一归属说明。

公开材料并未证明已针对每一类客户工作负载进行了独立审计的比较。平均值也不应被视为买方整个事件队列的预测。测量范围与醒目的结果同样重要。

解决时间可以指不同的时间区间。它可能从告警、调查开始,或从工程师开始主动处理的时刻算起;也可能以提出修复方案、执行变更或经验证的恢复为终点。

这些定义会带来不同的业务解读。即使必要的维护窗口延后执行,更快的诊断仍可能很有价值;如果后续验证发现未解决的影响,更快的执行则可能价值较低。

采购环节的关键问题是,测量的时间区间是否符合买方的运营目标。希望缩短服务中断时间的客户需要有关恢复的证据;希望减少重复性工程工作的团队则需要有关人员投入的证据。

平均值也无法清楚展现分布情况。持续覆盖常规事件的改进,与结果集中于少数基线任务异常缓慢的情况不同。买方需要足够细节,才能了解适用的是哪一种模式。

当工作流跨越多个工具和审批步骤时,这一点尤其相关。所报告的改进可能来自推理能力、更好的信息访问、减少交接,或多项变化的共同作用。在估计哪些成果能够迁移到另一家组织时,归因十分重要。

诊断准确率同样需要谨慎解读。与资深工程师意见一致提供了有意义的参考,但并不能描述每一种分歧的后果。错误建议与错误的生产环境操作,具有不同的运营影响。

最有价值的后续证据,应将诊断、获批准的操作和经验证的结果联系起来。这将帮助买方区分调查过程中的可接受不确定性,与真正进入执行阶段的错误;也能揭示人工干预有多频繁地改变拟议方案。

恢复能力也应纳入评估。一个系统可以缩短成功任务的处理时间,却对异常情况处理不佳。买方需要了解失败的尝试是否会留下可理解的状态,以及是否有切实可行的路径恢复正常运营。

这些问题不会抹去所报告的收益,而是界定了如何负责任地评估这些收益。当读者能够识别结果背后的条件时,一项有前景的案例研究会更有价值。

因此,应从两个相互关联的维度评估 DXC OASIS Amazon Bedrock 架构:运营结果,以及支持委托权限的证据。速度提升需要与控制失效、升级处理和恢复投入一同保持可见。

这比产品演示提出了更高的标准,但也是让客户判断哪些工作流值得扩大自动化范围的标准。

关注部署证据、模型变化与 Harness 路线图

下一类有价值的证据,将把扩展与不断变化的运营条件下受控行为联系起来。

未来一到三个月,首先需要关注的信号是部署的具体情况。DXC 的材料称,其正向 130 个客户环境扩展。这一表述指出了方向,而非确认每个环境都已上线。

具名客户对于持续使用的说明,将使部署情况更容易评估。最具参考价值的说明应明确工作负载范围、审批要求和已测量的运营结果。仅有客户名称所增加的证据较少。

如果扩展同时伴随着在不同环境中的可重复结果,这一信号将增强论证力度;如果所报告的收益仍集中于演示或范围狭窄的任务,则会削弱更广泛的解读。买方应关注各次更新中是否采用可比的定义。

第二个信号是有关模型变化的证据。新模型为检验该架构关于灵活性的核心主张提供了机会。关键问题在于,变更是否能够保留已批准的工作流及其安全边界。

有用的披露应解释如何评估替代模型,以及哪些任务获准使用它;还应说明测试后仍保留的任何限制。仅仅新增一个模型名称的公告,无法回答保障方面的问题。

如果模型替换能够在不扩大权限的前提下维持运营结果,这一信号将增强该架构的论点;如果替换需要大规模修复工作流,或产生无法解释的行为差异,则会削弱该论点。

第三个信号是 Harness 路线图。AWS 案例研究称,DXC 正在评估 Amazon Bedrock AgentCore——用于构建和运营智能体的 AWS 服务——并将其与当前编排层一同考察。评估并不等于已确认迁移。

重要的发展将是清楚说明哪些职责会迁移,哪些仍由 DXC 控制。即使底层实现发生变化,客户也需要确保策略所有权的连续性;他们还需要在这一过渡过程中保留可理解的记录。

如果路线图更新能使责任划分更清晰,并减少重复的工程工作,就会增强论证力度;如果新服务模糊了审批所有权或割裂了运营记录,则会削弱信心。

这些信号共同将注意力聚焦于本文的核心问题:当企业能够更换推理组件,同时保留对后果的控制时,模型选择才具有价值;当证据随着部署规模同步增长时,扩展才具有价值。

对于正在评估 DXC OASIS Amazon Bedrock 方法的团队,应从组织已经理解的一项生产工作流开始。要求供应商展示其诊断背后的证据、所需的确切权限以及执行记录。随后,以错误假设、被拒绝的审批和不可用的首选模型重复演示。将结果与现有流程进行比较,包括审查和恢复投入。让运营、安全和服务负责人共同阅读架构材料。他们之间的分歧将揭示模型演示无法解决的需求。你准备委托哪些操作,又需要什么证据才能证明应授予下一层级的权限?

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page