Miro 用 Amazon Bedrock 提升缺陷分派准确率，解决时长从数天缩至数小时

背景与问题：据AWS机器学习博客，Miro是服务全球超9500万用户的AI协作工作区公司，工程组织近100个团队；误分派与反复改派致相当比例缺陷超出内部SLA，官方估计每年累计损失约42年生产力，既有微调GPT分类方案随组织与产品变动性能快速退化。方案与落地：Miro与AWS PACE团队合作开发BugManager——Slack收到缺陷报告后，先以Amazon Nova Pro解析截图、录屏等附件，再由Bedrock Knowledge Bases从已解决Jira工单、GitHub PR与README、Confluence文档等检索增强，结合Backstage集中维护、可即时更新的团队职责描述构成提示词，由Claude Sonnet 4完成分派；系统返回最多5个候选团队及置信度，默认派给首选、可人工改写，另可检索代码库生成根因分析；服务为运行于EKS的Python微服务。效果与数据：官方称团队改派减少6倍、解决时长缩短5倍；top-1分派准确率超75%（较既有微调NLP方案提升70%），平均时延53秒，top-3准确率95%，配合人工在环进一步提升，一项优化另带来7-9%增益。