用Amazon Bedrock AgentCore打造语音旅行助理

语音助理走进航旅场景

航空公司App里加一个会说话的智能助理，正在成为企业级AI落地的典型用例。亚马逊近期分享的一套方案，把Amazon Bedrock AgentCore、Nova Sonic实时语音模型以及Bedrock Knowledge Bases组合起来，让旅客能够用自然语音完成改签座位、查询航班延误、咨询退改政策等一系列操作。

这类场景的价值在于它触及了航空服务中最高频也最容易产生摩擦的环节。传统的App菜单层级深、政策条款繁琐，而电话客服又成本高、等待时间长。语音助理的目标，是把这两种体验的优点结合起来——既有自助服务的即时性，又有对话交互的自然感。

三个核心组件各司其职

整套方案的技术拆解相当清晰，三个亚马逊服务分别承担不同职责。

Nova Sonic负责实时语音

Nova Sonic是方案中处理语音交互的核心，提供实时的语音识别与合成能力。它让旅客不必在屏幕上点选，而是直接开口说出需求，比如"把我的座位换到靠窗"或者"我的航班延误了吗"。实时性是语音助理体验的关键门槛，延迟过高会直接破坏对话的自然感。

Knowledge Bases回答政策问题

退改签规则、行李额度、里程政策这类问题，答案往往散落在冗长的条款文档中。Amazon Bedrock Knowledge Bases通过检索增强生成（RAG）的方式，让助理能够从航空公司的政策文档中检索出准确答案，而不是凭模型的记忆"编造"回复。这对于政策类问答尤其重要，因为错误的政策解读可能带来真实的客诉和合规风险。

RAG（检索增强生成）的工作原理是：将文档切片后转换为向量并存入向量数据库，用户提问时先检索出最相关的文档片段，再把这些片段作为上下文连同问题一起送入语言模型生成回答。与纯靠模型参数记忆的方式相比，RAG能保证回答有据可查、内容可追溯，并且在政策文档更新时只需重新入库，无需重新训练模型。这也是它在企业合规场景中被广泛采用的核心原因。

AgentCore串联后端操作

查询信息只是第一步，真正改变状态的操作——改座位、办理值机——需要调用航空公司的后端系统。方案中通过MCP（Model Context Protocol）工具让智能体接入后端服务。Bedrock AgentCore在这里扮演编排者的角色，协调语音、知识检索和工具调用三条链路。

MCP（Model Context Protocol）是Anthropic于2024年底提出并开源的一套标准协议，旨在统一AI模型与外部工具、数据源之间的接口规范。在MCP出现之前，每家厂商的智能体框架都有各自的工具调用格式，导致同一个后端服务往往需要为不同AI平台分别适配。MCP将"工具描述、调用请求、返回结果"的格式标准化，使得符合MCP规范的后端服务可以被任意支持该协议的智能体直接调用，大幅降低集成成本。亚马逊Bedrock AgentCore对MCP的支持，意味着航空公司的现有后端接口只要包一层MCP适配层，就能被智能体直接编排调用。

写操作前的确认机制

方案中一个值得关注的设计细节，是智能体在执行任何写入操作前都会先向用户确认。改签座位、修改预订这类动作一旦落库就会产生实际后果，因此"确认每一次变更再写入"的流程不是可有可无的点缀，而是生产级AI应用必须具备的安全栏杆。

这反映出企业把AI智能体接入核心业务系统时的一个普遍共识：读取操作可以相对宽松，但写操作必须有明确的人类确认环节。否则一旦模型误判用户意图，自动执行不可逆的变更，造成的损失和信任崩塌是难以挽回的。

对企业AI落地的启示

这套方案的意义，不止于航空业本身。它展示了一个相对完整的企业级语音智能体的技术栈模板：实时语音层、知识检索层、后端工具层加上编排与安全控制。零售、金融、医疗等行业都存在类似的"高频咨询+状态变更"场景，可以套用相近的架构思路。

MCP作为连接智能体与后端系统的标准协议，在这里的应用也值得留意。它正在成为智能体接入外部工具和数据的通用桥梁，降低了把AI能力嵌入既有IT系统的集成成本。

对于考虑引入语音AI的企业而言，这个案例提供了可参考的分工模式——不要指望单一大模型解决所有问题，而是用专门的组件处理语音、检索和执行，再通过编排层把它们组织成连贯的服务体验。