关键字: [亚马逊云科技， Content Agent， 智能内容营销平台， 内容资产搜索， 营销内容创作， 模板适配， 个性化营销内容]

导读

刘晗是亚马逊云科技营销技术团队的一名软件工程师，他介绍了该团队基于Bedrock智能内容营销平台的实践案例。该平台通过智能搜索和一键生成功能，帮助营销人员从不同内容库中快速获取所需资产，并根据目标受众群体生成个性化营销内容。该平台的核心是Bedrock Agent，它通过大模型推理和工具箱实现内容搜索、生成、模板适配等功能，并与内部知识库集成，为营销人员提供高效的智能内容营销解决方案。

演讲精华

以下是小编为您整理的本次演讲的精华。

在这场精彩的演讲中，亚马逊云科技marketing tech团队的软件开发工程师刘晗分享了他们团队内部使用Bedrock智能内容营销平台的实践案例。让我们一起探索这个创新平台的核心功能和技术细节。

刘晗首先介绍了营销团队的主要工作内容。他们的主要职责是为各种营销活动制作营销邮件、落地页和社交媒体帖子，并将这些内容分发到不同渠道，以触达目标客户群体。然而，在工作过程中，营销人员面临着一些挑战。首先，他们需要的内容资产分散在Highspot、Clip、Wiki等多个内容库中，格式多种多样，包括文档、表格、图片和视频。营销人员需要在这些内容库中搜索所需资产，对它们进行分析和创作，以适配公司要求的模板格式。

其次，亚马逊云科技的受众群体包括开发者、企业高管和大学生等，对个性化内容的需求非常高。为了解决这些痛点，他们开发了一个名为Content Agent的智能内容营销平台，该平台基于Amazon Bedrock实现。Content Agent允许营销人员通过自然语言形式进行智能搜索，快速从不同内容库中查找所需的内容资产。同时，它还提供一键生成功能，可以基于搜索到的内容资产快速创作出不同风格和类型的衍生内容。最后，通过集成的发布工具，营销人员可以将这些内容分发到不同渠道。

接下来，刘晗通过一个视频演示了Content Agent的创作流程。首先，营销人员需要为Agent提供所需创作的内容资产，可以通过上传文件、提供网络链接或使用自然语言查询的方式。在这个示例中，Agent通过推理发现需要使用Amazon Bedrock的“search asset”函数来查找相应的资产，并从中选择一份感兴趣的资产作为创作基础。随后，Agent会对所选资产进行总结输出。

然后，Agent需要实现营销内容的创作。在思考过程中，它发现需要使用Amazon Bedrock的“content creation”工具按照要求生成营销文案。获取营销文案后，Agent需要将生成的文案填充到指定的模板中，因此它需要查找合适的模板。但是，Agent发现缺少两个必要参数:模板类型和模板风格。在获取了“电子邮件”和“oral”风格的模板类型后，它返回了三个不同风格的模板供选择。演示中选择了一个四宫格风格的模板，并将之前生成的营销文案填充到该模板中，生成了对应的HTML文件。可以看到，Agent将创作的内容成功填充到了四宫格模板中。

此外，营销人员还可以基于人工或大模型对生成的内容进行微调。视频中再次展示了Agent如何基于同一内容资产，为大学生群体生成一个不同风格的营销内容。可以看到，Agent会同时调用多个Amazon Bedrock工具来实现这一操作，最终生成了一个风趣风格的营销邮件。这个时候，营销人员就可以将这些营销邮件分发到不同的渠道中。

接下来，刘晗介绍了Content Agent的系统架构。它的核心是Amazon Bedrock Agent，用户在每一次发送请求时，例如搜索行业白皮书，在前端输入后，会通过Amazon API Gateway使用WebSocket链接，并通过一个Amazon Lambda函数调用名为“invoke agent”的API，包含了session id和query两个参数来实现Agent调用。

Bedrock Agent的大脑是基础模型，在这个案例中使用了Amazon ConstitutionalAI模型来完成整个工作流程的推理。Agent的第二个重要组成部分是Action Group，可以理解为一个工具箱，包含了四个工具:内容生成工具(用于生成营销内容)、模板搜索工具(调用内部API在模板管理服务中查找模板)、内容适配工具(将文案填充到模板中)和内容搜索工具(直接调用Agent挂载的知识库查找内容)。

第三个重要组成部分是知识库(Knowledge Base)。内容资产会通过Amazon Content Connector函数按天进行全量扫描，新增或修改的文件会经过预处理后注入到知识库中。他们使用Amazon EventBridge按天进行全局扫描，然后使用另一个Content Connector函数对新增或修改的文件进行预处理，存储到对应的存储中。最后，通过一个Amazon Lambda函数将内容知识注入到挂载到Knowledge Base的Amazon S3 Bucket中。每当Knowledge Base中的内容发生添加、修改或删除事件时，Agent中的知识也会同步更新，以保持知识的一致性。

在系统架构之外，Agent提示词的设计也非常关键。大部分编排工作流的提示词由Bedrock Agent提供，而他们主要完成的是系统提示词的设计。提示词中指定了Agent的决策能力、核心能力、标准工作流程和行为规范，例如告知Agent下一步操作选项，或在用户提供的参数不足时提示用户补充信息。同时，他们还可以帮助用户编写提示词，实现一键生成最终邮件的端到端效果。

在每次用户输入后，Bedrock Agent会执行以下操作:从Prompt Store获取整个工作流的提示词、提取当前会话的对话历史、通过大模型进行动态任务路由判断请求是否合法、进入循环按需执行Action Group中的工具0到多次、分析需要执行哪个工具并解析用户请求获取参数、调用Amazon Lambda函数获取输出并生成回复。在调用工具的过程中，Agent还可以选择从知识库中调取相关内容。

最后，刘晗展示了如何将内容库中的资产注入到知识库中。以PPT和PDF格式的文件为例，由于大多数文件超过了50MB的限制，他们使用Python第三方库将这些文件转换为Markdown格式，然后存储到Amazon S3中。之后，通过简单配置就可以完成分块、向量化和存储到向量存储的过程。他们采用了按照固定长度划分的方式进行分块，最大Token数为500，每个块之间的重叠度为20%。向量化过程中，他们使用了Amazon MartinLingo模型，因为内容包含中英双语。最后，将向量化结果存储到Amazon OpenSearch向量存储中。

为了支持多维度检索，他们还为每个Markdown文件添加了元数据JSON文件，包含作者、创作时间、浏览数等信息。同时，他们还使用大模型生成标题、摘要和关键字等元信息，以丰富元数据的内容。在视频演示中，我们看到Agent除了搜索到相应的内容资产外，还指定了需要搜索近两年关于AI相关的内容，实现了多维度检索。

总的来说，这个基于Amazon Bedrock的智能内容营销平台通过自然语言搜索、内容生成、模板适配等功能，大大提高了营销人员的工作效率，并实现了个性化营销内容的快速创作和分发。它的核心技术包括大模型推理、工具集成、知识库构建和提示词设计等，展现了亚马逊云科技在人工智能和内容营销领域的创新实践。最后，刘晗表示希望Content Agent能够深入集成到亚马逊云科技的营销生态系统中，助力营销人员实现更高效的营销活动，并鼓励大家从这个实践案例中获取启发，将Agent应用到自己的业务场景中。

下面是一些演讲现场的精彩瞬间：

总结

亚马逊云科技的营销团队面临着内容分散、格式多样以及受众群体多元化的挑战。为解决这些痛点，他们开发了一个名为“Content Agent”的智能内容营销平台，基于Amazon Bedrock实现。该平台允许营销人员通过自然语言搜索从不同内容库中快速获取所需资产，并利用一键生成功能创作出不同风格和类型的衍生内容，最终通过集成发布工具分发到各渠道。

Content Agent的核心是Bedrock Agent，它通过大模型推理完成编排工作流，并与一系列工具(如内容生成、模板搜索、内容适配等)协作实现智能营销内容创作。该平台还将内容资产导入知识库，支持多维度搜索，并利用大模型生成元数据以丰富信息。通过Content Agent，营销人员能够高效地创作个性化内容，满足不同受众群体的需求，提升营销效率。

该案例展示了Bedrock在智能内容营销领域的实践应用，为企业提供了一种创新的内容管理和营销解决方案。未来，Content Agent有望深入整合到亚马逊云科技的营销生态系统，为营销人员带来更多助力。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。