AWS 开源 Deep Insight：八类 Agent 分层编排，给出多智能体生产化参考栈

• 核心发布：AWS Solutions Architecture 团队开源生产级多智能体系统 Deep Insight，输入 CSV 与自然语言指令后，由 Coordinator、Planner、Plan Reviewer、Supervisor、Coder、Validator、Reporter、Tracker 八类 Agent 协作完成数据分析、图表生成、计算校验与带引用的 DOCX 报告。
• 执行流控制：系统组合 Strands Agents SDK 的 Graph pattern 与 Agents-as-Tools pattern。Graph 定义 Coordinator→Planner→Plan Reviewer→Supervisor 的顺序及 HITL 回环，Plan Reviewer 将计划交给用户批准或修改，并设置最大修订次数；Supervisor 仅在需要时把 Coder、Validator、Reporter、Tracker 作为工具调用。
• 按角色分配模型：Coordinator 用 Claude Haiku 做低成本路由，Planner 用 Claude Opus 并开启 Extended Thinking 生成 5–10 步计划，Supervisor、Coder、Validator、Reporter、Tracker 使用 Claude Sonnet；Supervisor、Coder、Reporter 启用 Prompt Caching，官方称重复调用时输入 token 成本最多降低 90%。
• 生产部署与安全：Managed AgentCore 版本运行在私有 VPC，AgentCore runtime 提供会话隔离；LLM 生成的 Python 代码经 ALB sticky session 路由到 Fargate 每会话临时容器执行，容器无直接公网访问，产物写入 S3，容器一小时后自动终止。运维侧用 DynamoDB 记录任务指标、SNS 发送失败告警、Cognito 保护管理面板。
• 可试用形态：项目提供 Self-Hosted CLI、Web 版与 Managed AgentCore 三种部署，共享同一套多智能体架构；官方给出的案例中，LG Electronics 基于相同模式构建 ChatInsight，将营销分析周期从 2–3 周缩短至 30 分钟。
• 工程边界：容器隔离解决基础设施安全，但不检测上传数据中的提示注入或生成内容是否 grounded；AWS 建议生产环境叠加 Bedrock Guardrails。Agent 代码、任务数据与模型版本仍需按实际负载评估，官方吞吐与效率数据未覆盖所有任务类型。

🔗 AWS Machine Learning Blog | GitHub 仓库