AWS Context登场：无需人工维护的自学习图谱

重新定义智能体的上下文层

在企业数据存储与人工智能智能体之间构建“上下文层”，目前往往是一项高度定制化的工作，缺乏能够随时间推移自动维护图谱的标准化服务。亚马逊正试图直接改变这一现状。

周三，亚马逊正式进军该领域，发布了三款产品，将其定位为面向智能体的“上下文智能栈”。核心产品是名为 AWS Context 的新知识图谱服务，它能随着智能体的使用而不断进化。此外，亚马逊还宣布 Amazon S3 Annotations 正式可用，并预览了 AWS Glue Data Catalog 中的技能资产。

如今，上下文层已成为各大厂商竞相角逐的架构类别，市场上的选择层出不穷。AWS 带着截然不同的架构理念切入市场：图谱应通过智能体的使用自动学习，而无需人工重新梳理。

“你的智能体现在无需你从头重建任何东西，就能变得更聪明，” AWS 代理式 AI 副总裁 Swami Sivasubramanian 在 AWS Summit NYC 的主题演讲中表示。

“这项服务能自动从你现有的所有数据中构建知识图谱。它推断数据集、业务规则和领域知识之间的关系，并在运行时将这些信息提供给你的智能体和组织。”

AWS Context：从现有数据构建自学习知识图谱

AWS 指出，这是客户部署中反复出现的问题。AWS Context 能够自动映射现有数据之间的关系：包括存在哪些表、列的含义、数据源的关联方式以及哪些源具有权威性。它结合了语义搜索和图谱级推理，推断跨数据集、业务规则和领域知识的关系，并在运行时提供给智能体。

“随着知识图谱了解到哪些来源能产生正确结果以及哪些部分被使用，它会随着时间的推移自我完善，” Sivasubramanian 说道。

数据管理员通过 AWS 管理控制台管理图谱，审查推断出的关系，将其推广到生产环境，并附加业务定义和使用规则。每个查询都继承调用用户的 IAM 和 Lake Formation 权限，使企业可以通过现有的控制机制按身份审核智能体的数据访问。

所有元数据均以 Apache Iceberg 格式发布到 Amazon S3 Tables，可通过 Athena、Redshift、Spark 或任何兼容 Iceberg 的引擎进行查询，无需使用专有 API。支持第三方目录连接，因此可以将来自 AWS 系统之外的上下文拉入同一图谱中。智能体通过 Bedrock AgentCore、EKS 或任何 MCP 兼容框架中的代理搜索 API 和 MCP 工具进行查询。

上下文能力不仅限于单一服务

上下文领域错综复杂，AWS 正通过叠加多种服务来帮助企业在整个数据堆栈中构建上下文。

Amazon S3 Annotations：该服务允许用户在存储层直接将丰富的业务上下文附加到单个 S3 对象上。
AWS Glue Data Catalog 技能资产：Glue 技能资产在目录层附加领域知识，将运行手册、查询模式和使用规则与整个数据环境中的资产相关联。

随后，AWS Context 将这两者综合为智能体在运行时查询的知识图谱，结合了跨结构化和非结构化源的语义搜索和图谱级推理。每一层都为下一层提供支持。

AWS 步入竞争激烈的上下文市场

本月早些时候，Snowflake 通过其 Horizon Context 和 Cortex Sense 服务宣布了其上下文方案。微软通过其 Fabric IQ 平台提供上下文，该平台提供数据的语义本体。Redis 开发了一个上下文平台来优化数据检索。向量数据库供应商 Pinecone 则提供了 Nexus 上下文服务，在智能体查询之前将企业数据编译为特定于任务的工件。

AWS 的结构性论点直截了当：对于已经在运行 S3、Glue 和 Lake Formation 的企业来说，AWS Context 扩展了现有的身份模型，无需移动数据。其卖点在于零集成摩擦——而不仅仅是成本整合。

“上下文让智能体更强大，随着全世界都在构建智能体，每个智能体平台供应商都需要上下文能力，” Constellation Research 副总裁兼首席分析师 Holger Mueller 告诉 VentureBeat。

Mueller 指出 AWS 也不例外。他说：“担忧——就像所有上下文产品一样——将是性能，特别是对于事务性数据，我们将拭目以待。”

关注微信号：智享开源 ，及时了解更新信息。

原文链接：https://venturebeat.com/data/aws-enters-the-context-layer-race-with-a-graph-that-learns-from-agents-not-manual-curation