Agent-Fähigkeiten für automatisierte Reasoning-Richtlinien in Amazon Bedrock
Anthropic
Amazon Web Services
Der Beitrag stellt eine Suite von sechs Agent-Fähigkeiten für automatisierte Reasoning-Prüfungen in Amazon Bedrock vor, die Coding-Agenten in die Lage versetzen, Richtlinien Ende-zu-Ende zu erstellen, zu testen, bereitzustellen und zu validieren. Die Fähigkeiten decken den gesamten Richtlinienlebenszyklus von der Erstellung bis zur Laufzeitvalidierung ab, und der Artikel teilt gewonnene Erkenntnisse über Erklärbarkeit und Interpretation von Urteilen.
Dieser Beitrag im AWS Machine Learning Blog beschreibt eine Suite von Agent Skills zur Automatisierung des Lebenszyklus von Amazon Bedrock Automated Reasoning-Richtlinien. Die Skills, die auf dem offenen Agent Skills-Format von Anthropic basieren, erweitern Coding-Agenten wie Claude Code, Kiro, Cursor und Codex um spezialisiertes Wissen für das Erstellen, Überprüfen, Testen, Debuggen, Bereitstellen und Validieren von Richtlinien. Automated Reasoning-Prüfungen verwenden einen zweistufigen Prozess: Zuerst übersetzen Foundation-Modelle Fragen und Antworten in formale Logik, dann validiert ein SMT-Solver diese Logik gegen die Regeln einer Richtlinie und liefert mathematisch fundierte und erklärbare Urteile. Die sechs Skills umfassen Builder, Reviewer, Tester, Debugger, Deployer und Validator, jeweils mit Anweisungen und Skripten für spezifische API-Interaktionen. Der Artikel führt ein Beispiel mit einer Elternzeitrichtlinie durch und zeigt, wie man eine Richtlinie aus einem Quelldokument erstellt, Qualitätsberichte überprüft, Tests ausführt und hinter einer Guardrail bereitstellt. Wichtige Erkenntnisse betonen, dass Erklärbarkeit im Mittelpunkt steht – jedes Urteil liefert unterstützende oder widersprechende Regeln – und dass ein SATISFIABLE-Urteil kein Fehler ist, sondern Konsistenz statt Implikation anzeigt. Die Skills verwalten auch Einschränkungen wie die begrenzte Anzahl gleichzeitiger Build-Workflows, indem sie Slots automatisch freigeben.
Quelle: AWS ML blog —
Original
