AWS משדרגת את Bedrock AgentCore עם Agent Skills בקוד פתוח ל-HCLS ואופטימיזציית prompt

AWS שחררה שני שיפורים משמעותיים ל-Amazon Bedrock AgentCore. ראשית, היא השיקה 38 agent skills בקוד פתוח שמשתרעים על 11 תחומי בריאות ומדעי החיים (HCLS), ומכוונים ישירות למצב כשל ספציפי: agents שמצטטים את ההנחיה הקלינית הנכונה אך מיישמים אותה בצורה שגויה. הערכה על 410 prompts הראתה win rate של 70–86% ל-agents המחוזקים-במיומנויות מול baselines, מה שנותן לשחרור גיבוי כמותי ולא הצהרת יכולת מעורפלת.

שנית, AgentCore הוסיפה אופטימיזציה אוטומטית של system-prompt. Single Agent Reflector חדש (ו-Sub-Agent Reflector) הופך traces מ-production להצעות לשינויי תצורה — כוונון system prompts, תיאורי כלים ומיומנויות — שמאומתות לפני קידום ל-production. פוסט הליווי הטכני של AWS מפרט את מנוע ה-reflector ואת ה-benchmarks, וממצב אותו כדרך לסגור את הלולאה בין התנהגות agent נצפית לכוונון prompt בלי איטרציה ידנית.

השחרורים משתלבים במאמץ הרחב יותר של AWS השבוע סביב תשתית agentic, שכלל גם מסגור מחדש של agents סביב תיבת דואר (ה-Pizza Bot בקוד פתוח שלה) והרחבת גישה למודלים ב-Bedrock דרך Salesforce Agentforce. AWS מהמרת על להיות שכבת התפעול הנייטרלית ל-agents במקום להחזיק במודל המוביל עצמו.

מבחינה תחרותית, מיומנויות ה-HCLS מכוונות לתחום — היסק קליני — שבו Google (עם מאמצים בסגנון MedGemma) ו-Microsoft פעילות אף הן, ופתיחת הקוד שלהן היא מהלך לזכייה בתשומת לב מפתחים ולסטנדרטיזציה דה-פקטו. אופטימייזר ה-prompt מתחרה בתעשיית בית של סטארטאפים לכוונון prompt ומסגרות כמו DSPy. ההסתייגות: 'win rate' של 70–86% על הערכה אצורה של 410 prompts מעודד אך אינו תחליף לוולידציה קלינית, ואופטימיזציה אוטומטית של prompt עלולה לבצע overfit לנתוני ה-trace. שווה לעקוב אם בתי חולים וחברות מדעי-חיים יאמצו את המיומנויות ב-production מפוקח.