行业 #智能体 2026-11-09 · 原文发布 11-06

Greenlight 在 AgentCore 上搭安全运营智能体 Luna:每月最多 4,000 个案件,超过 90% 无需人工处理

一个分两级的多智能体安全运营系统的真实数据:自动处理率、升级比例,以及按风险分级的人工把关方式。

图片来源:AWS 机器学习博客
一手来源 AWS 机器学习博客 · aws.amazon.com 读原文 ↗

// 要点

  • 每月约 3,000 到 4,000 条告警,来自暗网泄露卡片、身份与访问异常、基础设施告警和金融风险事件四类来源
  • 一级主管智能体编排 30 多个专项智能体做分诊;约 10% 需要多步推理的案件交给二级主管,关联 3 到 5 个数据源出调查报告
  • 自动处理率从 0 到一级 83%、两级合计超过 90%,人工升级降到 10% 以下;常规分诊从 15 到 30 分钟降到数秒,估计每月省 900 到 1,800 个分析师小时
  • 30 天滚动的情景记忆识别重复模式;同一模式以相同方式处理三次才记为确认;高风险案件连同证据链交给人工

开发者视角值得抄的不是「90%」,而是两条规矩:同样处理三次才算确认的模式,以及按风险分三档决定谁来拍板。我做智能面试的异常评分复核时也会照这个来,低风险自动过、中风险标记、高风险带证据转人工。

// 来龙去脉 · 来自 #智能体 专题

看完整时间线 →
  1. 11-09 Google 量化「智能体分心」:13% 的会话碰到引用 bug 的 TODO,被带偏的会话步数多 70%、token 多 77%
  2. 11-09 Okta Cross App Access 接入 AgentCore 第二篇:所有流量走一个 Gateway,Cedar 策略默认拒绝,被拒的调用不兑换令牌
  3. 11-09 AWS 给出数据湖 MCP 服务器参考架构:跑在 Fargate 私有子网,Athena 只允许 SELECT,接入新数据集只需一个 JSON 元数据文件

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →