上线周期直降50%！释普科技利用Agent加速实验室自动化，变身科研效率提升“神器”！

概 述

机会丨看见“冰山之下”的实验室研发痛点

释普科技的成立，源于看到了“冰山之下的需求”：在现代科研过程中，实验室往往会将大量时间——据调研，其比例达到50%——花费于研发管理、样本准备、仪器与库存管理等事务，导致科研人员无法专注于新药、新材料的核心研发。为解决这一问题，释普科技致力于打造面向实验室运营全流程的研发系统（R&D Platform）和实验室运营系统（LabOps Platform），通过系统内的多产品模块之间的协作，接管现代化实验室中重复的、流程化的事务，使科学家能够专注于创新。

例如，释普科技为某知名跨国化工企业部署了涵盖配方管理、样本管理、测试管理等十余个产品模块，全面替代传统协作和管理方式，推动实验室研发流程实现系统化、数字化升级。在此基础上，释普科技引入的生成式AI与Agent技术，帮助该公司以智能方式替代部分重复性人工操作，显著提升了开发流程中“智能推荐”环节的效率，令其研发生产力提升约20%，产品上市周期加快约20%。

经历了行业头部客户的验证，释普科技的产品得以拓展至更多实验室场景。自2016年创立以来，释普科技已服务多家跨国企业，并于2023年起开启海外布局，将业务延伸至北美、欧洲、东南亚等多个国家和地区。

在快速拓展的过程中，释普科技发现，随着产品模块的数量和业务功能不断增加，早期采用的单Agent架构已难以支撑复杂任务的高效处理。正值亚马逊云科技宣布Amazon Bedrock Agents的Multi-Agent collaboration功能全面上线，该功能可以构建、部署及管理AI Agents网络，实现多AI Agents协同工作。于是，释普科技作为大中华区早期接入的企业，率先接入Multi-Agent collaboration功能，大胆进行业务创新。

解决方案丨构建更优架构、更强交互、

更深沉淀的智能科研系统底座

Amazon Bedrock Multi-Agent collaboration框架预设了完整的“监督Agent-子Agents”体系，释普科技仅需为每个子Agent定义清晰的功能描述与提示词（Prompt），并在监督Agent中标明其所对应的任务类型，系统即可在接收到用户请求时自动完成任务分发、执行与结果汇总，大幅简化了部署与调试流程。

此前，单Agent架构下存在两大核心难题。其一，在单Agent、单Action Group模式下，随着功能数量的增加，系统在意图识别上易出现混淆。例如，当用户提出“查询设备信息”请求时，Agent难以判断其意图是在RAG知识库中检索该设备相关内容，还是希望获取该设备的系统数据记录。这些问题在任务复杂度提升时尤为明显，因此释普科技转向更具可扩展性与模块边界清晰的Multi-Agent架构。

其二，面对多个并行业务目标，单Agent架构也难以实现任务的独立管理与高效调度。释普科技的产品套件包含实验室预约、设备管理、样本准备等十余个功能模块，模块间不仅功能差异显著，还存在调用顺序、状态保持等复杂逻辑。将所有逻辑集中于单一Agent，不仅使模块间高度耦合，也限制了系统在功能扩展和业务迭代中的灵活性。

通过引入Amazon Bedrock的Multi-Agent collaboration功能，释普科技不仅有效规避了单Agent架构下的意图歧义与模块耦合问题，也为产品功能的后续演进奠定了基础。在全新架构中，各子Agent职责边界清晰，便于独立调试与优化，而监督Agent则统一承担任务识别、路由与调用调度的角色，显著提升了系统整体的可维护性与响应效率。

如今，释普科技基于Multi-Agent架构所构建的跨模块协同的智能系统，能够以监督Agent对多业务子Agent进行统一调度与协同执行，提升服务流程中用户意图识别的准确性与交互效率。面对客户定制化场景，该系统还能通过衍生方式灵活接入客户侧工具与专属Agent，实现产品功能与客户需求的深度融合。例如在某药物筛选项目中，释普科技基于Multi-Agent架构整合了客户自研工具，构建出覆盖数据获取、筛选逻辑执行、结果回传等环节的完整自动化流程，显著提升了任务处理的智能化水平，验证了Multi-Agent架构在高复杂度企业场景中的强大通用性与可扩展性。

完成Multi-Agent系统的构建后，释普科技希望进一步针对任务链中的关键逻辑模块，推进系统的轻量化与解耦优化。为实现更高的执行灵活性与资源效率，释普科技选择引入Serverless架构，通过Amazon Lambda将用户鉴权、时间戳转换等通用逻辑封装为可复用函数，并以工具（Tool）或动作（Action）的形式嵌入Agent工作流中。

其中，用户鉴权是实验室系统中不可或缺的重要环节。释普科技通过在Amazon Lambda中部署轻量化的鉴权逻辑，将用户的身份认证信息在调用系统接口时同步传入，确保Agent在模拟人类操作的同时也能进行权限传递，从而实现了用户鉴权闭环。

同时，在设备预约等业务模块中，系统接口通常要求以标准时间戳形式传输参数，而用户更习惯于使用“明天早上10点到11点”这类自然语言表达。释普科技将时间戳转换逻辑封装为独立的Amazon Lambda函数，并作为Agent可调用的工具集成进整体流程。当用户发起预约请求时，系统会自动调用该工具完成自然语言到时间戳的转换，并将结果传入预约API，显著提高了任务执行的准确率与稳定性。

通过将Amazon Lambda作为可调用的轻量函数嵌入Agent执行流程中，释普科技显著降低了关键业务逻辑的集成复杂度，不仅提升了Agent系统的工程效率，也为企业级AI应用的快速部署与复制打下了坚实基础。

释普科技联合创始人表示，我们将Amazon Lambda函数作为Agent调用流程中的一个工具，并通过将其定义为可调用的行为，实现了与Agent系统的直接集成。这种方式有效简化了系统对接过程，显著缩短了开发周期。

此外，借助Amazon EKS，释普科技能够将各类功能模块以容器化形式部署至不同客户环境，实现从云端到本地基础设施的无缝迁移与统一管理，进一步增强在多场景部署中的灵活性与可扩展性。

在实验室知识获取与管理方面，释普科技基于Amazon Bedrock构建了企业级RAG知识库系统，结合Amazon OpenSearch Service提供的高性能检索，帮助科研人员快速定位实验操作指南、仪器资料、安全规范等关键信息。

该系统集成了来自仪器厂商、化学品数据库（如SDS文件）等公开渠道的大量资料，并支持企业用户将实验流程、研究成果等内容上传至专属的私有知识空间，从而实现结构清晰、权限可控的知识资产沉淀与复用。

在此基础上，知识库系统支持基于文档的智能问答、多轮交互解析与结构化笔记沉淀。科研人员在阅读实验手册过程中可直接提出问题，由模型实时解析并生成参考记录，全面提升知识可获取性与使用效率，推动实验室信息服务迈向智能化。

业务成果丨产品上线周期加快50%

为生成式AI应用落地大幅加速

在亚马逊云科技的支持下，释普科技实现了Multi-Agent架构与Serverless体系的高效协同，在增强系统性能与服务弹性的同时也显著提升了研发流程的执行效率，从而将AI Agent产品的上线周期加快50%，加速了生成式AI在实验室科研场景中的落地与价值释放。

除了技术支持外，亚马逊云科技还通过线上与线下紧密协作、专题Workshop与资源联动，持续助力释普科技优化用户体验并拓展行业影响力。在释普科技看来，亚马逊云科技不仅是基础能力提供者，更是释放AI应用价值、推动业务创新过程中的关键合作伙伴。

未来展望