Amazon.com Catalog 团队用 Amazon Bedrock 构建自学习生成式 AI 系统

Amazon.com 商品目录团队是本批案例中少见的电商平台自身实践。商品目录支撑搜索、推荐与发现，卖家每天提交大量商品，系统需要抽取尺寸、材质、兼容性等结构化属性并生成符合搜索习惯的标题。团队面临的两难是：大模型准确但难以在经济性上支撑体量，小模型则难以处理复杂含糊的商品案例。其做法是把多个小模型同时用于处理同一批商品：结果一致即采信，出现分歧则路由给一个由更大模型担任的监督代理，监督代理配有专门工具做深入排查，并把解决方案沉淀为可复用的学习内容，写入动态知识库，注入小模型提示词，从而避免同类分歧再次发生。系统还会在推理时检测高学习价值的样本才调用更强模型，并从卖家改单与申诉、买家退货等信号中捕捉反馈。据博客描述，错误率在不重训模型的情况下持续下降，成本随监督调用量减少而降低；文中未给出准确率与成本的绝对数值，属厂商自述口径。