从人工接力到 Agent 协同：金蝶发票云基于中国区域 Amazon Bedrock AgentCore，工程化上线时间缩短80%

工单越接越多，处理仍靠"人工接力"

一个客户问题往往要经过漫长的接力：客服先阅读工单、判断类型和优先级，再转给对应团队；处理人查找知识库、翻阅历史工单、起草回复；遇到复杂问题，还要跨部门升级、多人会签。到了月末和促销季，工单量激增，排队和超时随之而来。

传统工单系统的自动化主要停留在规则层面：按关键词匹配的分类规则维护成本高，模板化的自动回复理解不了上下文，知识库检索还得靠人工翻阅。随着服务客户数量不断扩大，尤其是近期接入了海外客户的服务需求，金蝶发票云希望打造多 agent 工单处理系统：客户提交工单后，由 agent 完成分类、分流、知识检索和回复草拟，人工客服核对确认后再发出。

金蝶发票云服务的大型客户对服务要求极高，引入 AI agent 不能牺牲服务的可控性和效率。TicketHub 需要同时应对以下挑战：

• 多 agent 工程化：工单处理涉及分类、分流、检索、草拟、质检等十余个专职 agent。如果自建运行、隔离、观测和评估基础设施，工程周期长、难度高，团队估算自研需要 6 个月以上。
• 数据隔离与多租户安全：作为多租户 SaaS，不同企业客户的工单数据必须严格隔离，agent 的执行环境同样需要会话级沙箱。
• 服务质量可评估、可持续优化：agent 的回复质量不能"上线即定论"，需要上线前的基准评估和上线后的持续评估，支撑快速迭代。
• 业务波峰：促销季和月末的工单量可达平日 3 倍以上，agent 运行资源需要按需弹性扩展。

在考察众多候选方案后，金蝶发票云选择在亚马逊云科技中国区域，以 Amazon Bedrock AgentCore 承载多 agent 工单处理系统，主要基于三点考虑：

• 完整的 agent 管理体系：AgentCore 提供从托管运行、沙箱隔离、工具接入到可观测的生产就绪组件，团队不必自建 agent 基础设施，显著缩短工程化时间、降低工程化难度。
• 框架与模型自由：Runtime 支持任意主流 agent 框架，可以自由选用中国区域可用的大模型，避免技术绑定，便于为不同工单场景选择合适的模型。
• 安全合规：Runtime 以会话级沙箱实现租户间隔离，满足企业客户对数据境内处理与合规的要求；中国区域与海外架构保持一致，保障技术栈的长期延续性。

TicketHub 以 Amazon Bedrock AgentCore Runtime 托管 12 个专职 agent 运行，以 AgentCore Gateway 连接既有业务工具，以自建评估集和 LLM-as-judge 方法构建评估体系，以 AgentCore Observability 构建观测体系，打通"工单接入 → 分类分流 → 知识检索 → 回复草拟 → 人工确认 → 质检回流"的完整链路。项目实际部署在亚马逊云科技中国（宁夏）区域。

在这套方案中，agent 负责工单理解、分类分流、知识检索和回复草拟；业务系统继续负责权限校验、服务等级协议（SLA）规则和升级流程；回复发出前保留人工确认。

会话级沙箱管理，省去自建隔离执行环境

AgentCore Runtime 为每个会话提供独立的 microVM，隔离计算、内存和文件系统资源。对多租户 SaaS 来说，这意味着每个客户的工单处理会话都运行在彼此隔离的沙箱中，团队无需自建会话级执行沙箱和租户隔离层，也无需自行维护沙箱的生命周期。工单数据只在所属会话内可见，处理完成后沙箱即被回收；再配合业务后端的权限校验，运行环境隔离和业务授权同时生效。

工程化的 agent 评估方法，质量优化有据可依

TicketHub 用自建评估集和 LLM-as-judge 方法，为分类准确率、检索命中率、回复可用率等关键指标建立了评估基线：上线前，用历史工单构建评估数据集，对 agent 做离线基准评估，不达标不上线；上线后，对生产流量持续做在线评估，评分异常自动告警。

结合基于 Amazon CloudWatch 的 AgentCore Observability，团队能够还原每个 agent 的计划执行和工具调用过程，把低分工单回溯到具体的检索或推理步骤，定位问题、分析耗时，为技术排障和审计核查提供依据。

生产就绪组件自由组合，1 个月完成上线

依托 Runtime、Gateway、Identity、Observability 等生产就绪、开箱即用的组件，TicketHub 跳过了自建 agent 基础设施的阶段：通过 AgentCore Gateway 把 20 余个既有业务接口快速转化为 agent 可用的工具，通过 AgentCore Identity 统一管理 agent 访问下游系统的身份和权限。团队得以把精力集中在工单技能和提示词优化上，项目从启动到生产上线仅用 1 个月，相比自研方案预估的 6 个月，工程化时间缩短约 80%。

面对促销季和月末的工单高峰，Runtime 按需扩展 agent 运行资源，减少了按峰值长期预留算力、维护进程池的负担。

• 上线快：项目从启动到生产上线仅用 1 个月，相比自研预估的 6 个月，工程化时间缩短约 80%。
• 响应快：12 个专职 agent 接入工单处理全流程，工单首次响应时长从约 15 分钟缩短至约 3 分钟。
• 人效高：客服人均日处理工单量提升约 3 倍，客服工作从"查找和录入"转向"判断和确认"。
• 质量持续提升：上线两周内完成首轮提示词与检索策略优化，agent 回复一次通过率从 60% 提升至 80%，工单自动预处理覆盖率稳定在 85% 以上。
• 持续迭代：采用 Agent DLC 工程实践，建立"离线基准评估 + 在线持续评估"机制：在线评估持续为每个 agent 打分，低分工单自动回流为评估样本和知识库素材；每轮优化先经离线基准评估验证再灰度发布，具备按周迭代优化的能力。

未来，金蝶发票云计划将 agent 能力扩展到主动服务、产品研发工程提效等更多场景，并把评估数据集和规则库沉淀为可持续运营的知识资产，以"可控、可追溯、持续优化"为原则，为更多企业带来智能化的工单处理与客户服务体验。

金蝶发票云是金蝶国际软件集团旗下独立子公司金蝶票据云科技（深圳）有限公司的品牌产品。金蝶票据云科技 2020 年成立于深圳，2023 年取得"国家高新技术企业"和"专精特新"资质，以"业财票税档"一体化管理为核心，助力企业运用 AI 等数智化技术实现复杂的业财税票协同管理。其智慧票据云产品综合运用 AI、大数据和云计算技术，荣获吴文俊人工智能科学奖及 10 多项发明与实用新型专利授权，已为全球近 10 万家企业和政府组织提供智能化 SaaS 服务，覆盖互联网、金融、生产制造、建筑与房地产、交通运输、医疗、餐饮、零售等 40 多个行业。