效率飙升70%！基于亚马逊云科技AI技术，简化数据保护流程

生成式AI正在重塑企业与客户的互动方式，并为复杂IT运维场景下的对话式界面带来了颠覆性变革。作为数据安全解决方案领域的领军企业，Druva正引领着这场变革浪潮。Druva携手亚马逊云科技，打造了一款基于生成式AI的顶尖多Agents协作助手，旨在重新定义数据安全与网络韧性领域的客户体验。

该创新解决方案依托Amazon Bedrock，采用先进的大语言模型（LLM），将为Druva客户提供一个直观的对话式交互界面，方便客户能够通过该界面访问产品套件中的数据管理功能、获取安全洞察及运维支持服务。借助生成式AI与Agentic AI的力量，Druva致力于优化运维流程、提升客户满意度，并进一步提升其数据安全与网络韧性解决方案的整体价值。

本文将介绍这款AI协作助手背后的技术架构，探讨其如何处理自然语言查询、在复杂工作流中维持上下文连贯性，以及提供安全、精准的响应来简化数据保护运维流程。

挑战与机遇

Druva致力于为企业提供高效支持，助力客户超越传统的基于查询方式的AI，迈向Agentic AI系统，并以更快捷、更简洁、更可靠的方式，满足客户复杂的数据管理与安全需求。

全面的数据安全需要追踪海量数据与指标，以精准识别潜在网络威胁。随着网络威胁不断演变，客户往往难以及时掌握需要排查的新型数据异常情况，而一旦遗漏任何威胁信号，都可能导致敏感信息遭到非法访问。

例如，某全球金融服务公司在多个地区管理着500多台服务器，每当备份失败时，都需人工花费数小时去核查数十个系统的日志。而借助AI协作助手，他们只需提问：“昨晚我的备份为何失败？”即可获取分析结果：某一特定策略更新导致了欧洲数据中心出现冲突。同时还会附带分步修复方案，将问题排查时间从数小时缩短至数分钟。

这一解决方案不仅能减少支持请求量、加快问题解决速度，更能为终端用户释放更高的运维效率。

通过重构用户与系统的交互模式——从AI驱动的工作流到更智能的自动化方案，Druva敏锐捕捉到一个重要机遇：为客户提供无缝体验，进一步提升客户满意度与忠诚度，并助力客户取得长期成功。

Druva部署的生成式AI驱动的多Agents协作助手，所蕴含的重要价值如下：

1.简化用户体验：借助自然语言交互界面，该协作助手能够简化复杂的数据保护任务，帮助用户快速获取所需信息。

2.智能故障排查：该协作助手可依托AI能力分析各种来源的数据，精准定位备份失败的根本原因，并提供个性化的解决方案建议。

3.优化策略管理：该协作助手能引导用户完成数据保护策略的创建、修改与实施全流程，减少人为失误风险，提升合规性水平。

4.主动式支持服务：通过持续监控数据保护环境，该协作助手可主动识别潜在问题并提供指导，帮助用户预防故障、优化系统性能。

5.可扩展的高效运维：该AI解决方案能同时处理海量客户咨询与任务，能够减轻Druva支持团队的工作负担，使其能够聚焦于更复杂、更具有战略意义的事务。

解决方案概览

为Druva这款协作助手设计的解决方案采用了一套精密架构，融合了Amazon Bedrock（包括Amazon Bedrock知识库）、LLM与动态API选择流程，旨在为用户提供智能高效的交互体验。该解决方案的端到端架构及各类子组件如下图所示。

系统核心是监管Agent，它充当多Agents系统的中央协调组件，负责统筹整个对话流程，将任务分配给专业子Agent，并确保各组件之间实现无缝通信。

用户通过界面与监管Agent交互，提交与数据保护、备份管理及故障排查相关的自然语言查询。主Agent分析用户输入后，会根据查询的业务属性将请求路由至对应的专业子Agent。

数据Agent负责通过调用GET API与Druva系统交互，检索相关信息，它获取的数据集包括备份调度任务、备份状态及其他相关详情等，为用户提供精准且最新的信息。

协助Agent负责为用户提供全方位支持，包括提供最佳实践指导、分步操作说明及故障排查技巧。该Agent依托海量知识库，其中包含详尽的API文档、用户手册及常见问题解答，为用户提供契合具体应用场景的针对性协助。

当用户需要执行关键操作，比如发起备份任务或修改数据保护策略时，便轮到操作Agent大展身手。该Agent通过与POST API端点交互，来执行必要操作，确保及时准确地满足用户需求。

为确保多Agents协作助手能够调用最适配的API及参数，该解决方案嵌入了动态API选择流程。下图重点展示了实现这一流程所依托的各类亚马逊云科技服务，数据Agent与操作Agent也均已集成了动态API选择流程的能力。

Amazon Bedrock知识库存储了关于可用API及其功能特性、最优使用模式的全面信息。系统接收到用户输入查询后，会通过语义搜索技术检索出排名前K位的相关API。这种语义搜索能力使系统能够适配每个用户请求的具体场景，从而提升协作助手的响应准确性、运行效率与扩展能力。

确定适配的API后，Agent将提示LLM解析排名前K位的相关API，最终敲定API选型及所需参数配置。这一步骤能够确保协作助手可以高效执行用户请求。

最终，系统将调用选定的API，多Agents协作助手将执行用户所需操作或检索请求信息。用户将通过交互界面收到清晰简洁的响应结果，同时获得相关建议或指导。

在整个交互过程中，协作助手执行关键操作之前，用户可通过用户反馈节点补充额外信息或进行明确授权。借助这种人机协同（human-in-the-loop）机制，系统能够在具备必要安全防护的前提下运行，同时确保用户对敏感操作始终保持控制权。

效果评估

针对Druva打造的多Agents协作助手，本例开展了一套严谨的评估流程，重点在于评估该系统各个关键组件的性能与实际效能。通过全面测试各个组件，如动态API选择、单个Agent的独立运行状况以及端到端功能测试，该助手能够为用户高效提供精准、可靠的结果。

评估方法如下：

• 单元测试：对每个组件（单个Agent、数据提取模块、API选择流程）开展隔离测试，验证其功能完整性、性能表现及异常情况处理能力。

• 集成测试：验证多Agents协作助手中各组件之间能否无缝集成与顺畅通信，同时确保数据流与控制流的完整性。

• 系统测试：对整个完整系统开展端到端测试，模拟真实业务场景下的用户操作与工作流，全面评估系统的整体功能、运行性能及用户体验。

评估结果

为特定任务选择适配的模型，是保障系统性能的关键。动态工具选择是该系统最核心的模块之一：调用正确的API直接决定端到端解决方案的成败。一次错误的API调用可能导致获取错误数据，进而在整个多Agents系统中引发连锁错误。为优化动态工具选择组件，本例以基于Sonnet 3.7创建的基准真实数据为参照，对多款Amazon Nova系列模型与Anthropic模型进行了性能测试与基准比对。

测试结果显示，即便是Amazo Nova Lite、Haiku 3等轻量模型，每次也都能选对API。但这类轻量模型在参数解析环节存在短板，例如难以根据输入问题调用带有正确参数的API。

若将参数解析准确率纳入评估维度，各模型的整体API选择准确率表现为：

• Amazon Nova Micro为81%、Nova Lite为88%、Nova Pro则为93%。

• Haiku 3、Haiku 3.5与Sonnet 3.5的性能表现相当，准确率介于91%-92%之间。

其中，Amazon Nova Pro在准确率与延迟之间实现了最佳平衡，平均响应时间仅略超1秒。相比之下，Sonnet 3.5的延迟高达8秒，这一差异可能是由于其输出内容更为冗长——平均生成291个Token，而Amazon Nova Pro仅生成86个。优化提示词或许可以精简Sonnet 3.5的输出内容，进而降低延迟。

在真实场景开展的端到端测试中，由熟悉该系统的领域专家担任评估者至关重要，他们能够依据解决方案的完整性、准确性和相关性来评估系统性能。

在初始开发阶段，针对11个高难度测试问题，该系统在上述维度的平均得分为3.3分（满分5分）。考虑到本次评估是在开发早期阶段进行，因此这一成绩已相当可观，为后续优化迭代奠定了坚实基础。

通过聚焦各关键组件的专项评估与严格的端到端测试，Druva确保了这款多Agents协作助手达到了准确性、可靠性与效率的最高标准，并从此次评估过程中积累的核心洞察，为该协作助手的持续优化升级提供了指引。

Druva始终走在行业前沿，致力于利用先进AI技术革新企业关键数据的保护与管理模式。我们这款基于生成式AI的多Agents协作助手，正是我们致力于提供创新解决方案的有力证明。这一突破性解决方案，旨在简化复杂流程、提升客户体验。通过与亚马逊云科技生成式AI创新中心深度合作，我们正踏上一场变革之旅，为客户打造交互式、个性化、高效化的端到端体验。我们热切期待借助Amazon Bedrock的强大能力与自身专有数据优势，持续重塑数据安全与网络韧性的未来。

——David Gildea

Druva生成式AI副总裁

总结

Druva这款多Agents协作助手，充分彰显了运用AI融合结构化与非结构化数据源，来打造新一代虚拟协作助手的巨大潜力。这一创新方案让Druva区别于传统数据保护厂商，将原本需数小时的人工排查工作转化为AI驱动的即时对话式洞察，90%的常规数据保护任务可通过自然语言交互完成，从根本上重新定义了数据安全领域的客户期望。

对于数据安全与防护领域的企业而言，该技术能够实现更高效的运维管理、更深度的客户互动以及数据驱动的决策模式。该协作助手提供的深度洞察与智能信息，将助力Druva的利益相关方（包括客户、支持团队、合作伙伴及管理层）更快做出明智决策，将数据安全问题的平均解决时间缩短高达70%，并将备份故障排查从数小时缩短至数分钟。

尽管本项目聚焦于数据保护行业，但其核心原理与方法论可广泛应用于多个领域。通过精心设计、测试与持续优化，任何行业的企业都能借助AI协作助手，将自身数据、文档及内容与场景深度融合，提供智能且个性化的体验。

该方案依托Amazon Bedrock AgentCore Runtime与AgentCore Gateway，提供强大的Agent编排与管理能力。这一技术路径有望通过可定制的Agent，赋予系统智能自动化与数据搜索功能，推动用户与应用的交互模式向更自然、更高效、更精准的方向发展。

如需实现类似功能，您可探索Amazon Bedrock Agents、Amazon Bedrock知识库以及提供全托管解决方案的Amazon Bedrock AgentCore。

Amazon Bedrock Agents：

https://aws.amazon.com/bedrock/agents/

Amazon Bedrock知识库：

https://aws.amazon.com/bedrock/knowledge-bases/

Amazon Bedrock AgentCore：

https://aws.amazon.com/bedrock/agentcore/

本篇作者

David Gildea

在云自动化与新兴技术领域拥有超过25年的丰富经验，曾主导数据管理与云基础设施领域的变革性项目。作为CloudRanger创始人及前首席执行官（CEO），他率先推出优化云运维的创新解决方案，该公司后被Druva收购。目前，David担任首席技术官办公室旗下实验室团队负责人，牵头推进全公司范围内的生成式AI研发计划，包括Dru Copilot、Dru Investigate及Amazon Q等重点项目。他的专业领域涵盖技术研究、商业规划与产品开发，是云技术与生成式AI领域的领军人物。

Tom Nijs

Druva公司资深后端与AI工程师。Tom既热衷于学习新知识，也乐于分享所知所学。作为Druva实验室团队的首席架构师，他将这份热忱投入到开发前沿解决方案，主导了Dru Copilot、Dru Investigate及Dru AI Labs等核心项目。他始终聚焦系统优化与AI技术赋能，致力于助力团队及开发者将创造性想法转化为实际成果。

Gauhar Bains

亚马逊云科技生成式AI创新中心的深度学习架构师，负责为企业客户设计并交付创新型生成式AI解决方案。他热衷于运用前沿AI技术，专注开发Agentic AI应用，并在多个行业推动负责任的AI实践落地。

Ayushi Gupta

亚马逊云科技高级技术客户经理。Ayushi与企业客户深度合作，为其打造最优的云解决方案架构。她专注于保障关键业务应用可靠运行，同时实现性能、安全性与成本效率的平衡。凭借对生成式AI创新的热忱，她致力于助力客户运用云技术创造可衡量的商业价值，同时严格遵循数据防护与合规标准。

Marius Moisescu

亚马逊云科技生成式AI创新中心的机器学习工程师。他致力于与客户合作开发Agent应用，研究方向包括深度研究型Agent及多Agents架构的性能评估。

Ahsan Ali

亚马逊生成式AI创新中心的高级应用科学家。他专注于运用生成式AI技术，解决不同行业客户面临的高优先级、高成本难题。

Sandy Farr

亚马逊云科技生成式AI创新中心的应用科学经理。Sandy带领一支由科学家、深度学习架构师及软件工程师组成的团队，为亚马逊云科技客户交付创新型生成式AI解决方案。她持有物理学博士学位，拥有超过十年的行业经验，长期为大型企业开发人工智能与机器学习、自然语言处理（NLP）及生成式AI相关解决方案。

Govindarajan Varadan

亚马逊云科技解决方案架构团队经理，常驻美国加利福尼亚州硅谷。他致力于通过大规模创新应用AI技术，助力亚马逊云科技客户达成业务目标。

Saeideh Shahrokh Esfahani

亚马逊云科技生成式AI创新中心的应用科学家。她专注于将前沿AI技术转化为可解决现实世界难题的实用方案。

我们正处在Agentic AI爆发前夜。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。