Fanatics Betting and Gaming 在 AWS 上构建多智能体客户支持系统
问题
FBG 在美国多州运营，各州法规不同，客户期望即时准确回复，尤其在赛事高峰时段咨询量巨大。传统决策树聊天机器人无法处理复杂性，导致客户不满和人工成本上升。
解决方案
采用多智能体架构，基于 Amazon EKS、Amazon Bedrock，使用编排模式，包含监督代理、RAG、MCP 工具和负责任博彩分类器，并通过 Amazon Bedrock Guardrails 保障安全。
结果
部署两个月后，包含率提升约 56%，解决率提升约 53%，已自主解决数千个案例，成本显著降低，客户满意度上升。
成本
成本信息待确认。
案例分析
使用场景：客户支持
实施证据：原文提及“Within the first two months of deployment, the multi-agent system delivered measurable improvements... containment rate improved by approximately 56 percent... Resolution rates improved by approximately 53 percent... system has resolved thousands of cases autonomously”；团队在 Amazon EKS 上运行整个 AI 堆栈，包括 MCP 服务器和 Spring AI 服务。
指标：包含率提升约 56%；解决率提升约 53%；已自主解决数千个案例；AI 交互成本远低于人工代理（成本的一小部分）；高峰时段系统自动扩展，保持性能一致
经验：定义范围狭窄，先选择高容量和明确解决标准的案例类型启动；使用专门的代理，每个代理有明确职责，可独立改进；从第一天起实施 Guardrails 和合规分类；选择能满足精度要求的最小模型，为复杂推理保留大模型；尽早投资评估基础设施，使用 LLM-as-a-Judge 自动审查对话改善系统