AWS 发布 AAIF 参考架构：本地 SLM 编排，复杂任务路由至 Bedrock

• 核心架构：AWS 基于 Strands Agents 发布自适应智能体智能框架（AAIF），按三层运行——本地 llama3.2:1b 作为编排器判断请求类型，常规任务（设备遥测、图像分析）交给 Ollama 上的本地 SLM，复杂模式分析与策略建议则调用 Amazon Bedrock 上的前沿模型。
• 部署弹性：同一套代码支持全云端、混合、完全隔离三种配置；在 Raspberry Pi 等 8GB 内存设备上可运行，本地视觉分析使敏感摄像头画面无需离开设备。框架依据 NVIDIA 研究立场——小模型对智能体系统的许多调用“足够强大、更合适且更经济”。
• 成本口径：官方称混合模式下约 80% 的流量可落在本地、不触达付费 API 端点；该比例为架构设计估算，非客户实测数据，实际收益取决于任务分布与本地硬件配置。
• 分布式扩展：下一步计划将工具暴露为标准 MCP 服务器，让编排器、视觉处理与云分析网关分布在多台设备上，从编排器视角看远程工具如同本地函数调用。

行业意义：当 Agent 工作负载的成本与延迟成为工程瓶颈，用小型模型做本地决策、大模型做云端推理的分层模式正从研究论文走向可复用的代码模板。AAIF 的具体价值在于把路由逻辑从提示词和硬编码中拆出来，交由独立 SLM 执行分类；代价是需同时维护本地与云端两套推理栈，且编排器的分类准确率直接决定整体收益——误判复杂请求为常规任务会降低输出质量，误判常规请求为复杂任务则浪费云端调用。 🔗 AWS Machine Learning Blog