Taxbit 基于亚马逊 Bedrock AgentCore 构建垂直领域 AI 助手，实现数据驻留与低成本运维

一句话结论

Taxbit 推出基于亚马逊 Bedrock AgentCore 的 AI 助手 Taxbit Assist，通过严格的数据驻留与低成本架构解决数字资产税务合规自动化难题。

关键要点

• Taxbit Assist 自 2026 年 5 月起在美国和欧盟生产环境运行，平均每次对话模型成本低于 20 美分。
• 系统采用跨区域推理配置，欧盟流量在欧盟处理，美国流量在美国处理，确保数据驻留合规。
• 知识爬取机制过滤掉站点地图中 300 多个营销页面，仅保留 70 多个适合生成答案的公开 URL。
• 评估体系抽样 10% 实时会话，使用 6 个内置 LLM 评估器及自定义忠实度、相关性指标进行监控。
• 支持自带密钥（BYOK），客户端数据由客户自有的 AWS KMS 密钥加密，外部凭证存于 Secrets Manager。

背景与事实

Taxbit 成立于 2018 年，是专注于数字资产税务与会计合规的平台。其核心产品 Taxbit Assist 是一个嵌入仪表盘的 AI 助手，基于亚马逊 Bedrock AgentCore 构建，旨在解决税务场景中知识分散且部分未书面化的痛点。内部生产分析显示，超过 55% 的用户在提问后 24 小时内会再次提问，表明用户对即时、准确回答有持续需求。Taxbit Assist 是一个基于 Strands Agents SDK 的应用，运行在 AgentCore 运行时，打包为 ARM64 容器镜像，从亚马逊 ECR 拉取并支持按需扩展。该代理是一个小型 Python 应用，包含系统提示、模型及 8 个工具。在此版本中，代理对客户税务数据无读取权限，仅能从产品知识中回答，且仅能写入调用者自己的支持工单。身份处理由受信任的调用服务绑定，模型不处理身份参数，以防提示注入。

在数据获取与处理方面，公开网站、API 文档及帮助中心内容由 AWS Lambda 定时爬取。站点地图包含 400 多个 URL，但仅 70 多个适合生成答案，/blogs/ 下 300 多个营销页被排除。Lambda 函数读取产品源码生成 Markdown 文档，覆盖仪表盘路由、权限门槛、表单资格逻辑及报告配置，另有手写文章作为精选内容补充。亚马逊 EventBridge 调度爬虫，9 个爬虫分为 3 类数据源存于 S3 不同子前缀（product-public/、product-internals/、curated/）。采用语义分块，POST_CHUNKING Lambda 为每块添加约 128 令牌头部；因 Cohere Embed English v3 单输入上限 512 令牌，块正文限 384 令牌，避免尾部截断。检索时预取 75 个候选，重排序器嵌入亚马逊 Bedrock Retrieve 调用中。

影响分析

对于中文开发者与企业从业者而言，Taxbit Assist 的架构设计展示了如何在特定垂直领域（如数字资产税务）中平衡数据隐私、合规性与 AI 响应质量。首先，其“跨区域推理配置”直接回应了欧盟 GDPR 等数据驻留法规对 AI 服务的高要求，这对于在欧盟开展业务的开发者极具参考价值。其次，通过利用亚马逊 Bedrock 提示缓存降低静态前缀的延迟和成本，使得平均对话成本低于 20 美分，证明了在保持高质量的同时控制云支出是可行的。此外，将身份参数从模型输入中剥离并由受信任服务绑定，有效防止了提示注入攻击，这一安全实践为构建生产级 AI 代理提供了标准范式。

适用边界

该案例主要适用于需要严格数据驻留、具备 AWS 基础设施依赖且业务逻辑可结构化（如 API 文档、源码路由）的企业级应用场景。若业务高度依赖非结构化、非书面化的隐性知识，或部署环境无法接入 AWS 全球区域（如仅限中国内地无跨境合规需求），其跨区域推理与数据驻留优势将失效。此外，依赖亚马逊 Bedrock 知识库与 Cohere 嵌入模型意味着技术栈锁定，无法直接迁移至本地化部署或其他云厂商的 LLM 服务。

孤本观察

Taxbit 将产品源码转化为文档并纳入知识库的机制，反映了垂直领域 AI 从“纯语料投喂”向“代码驱动知识对齐”的转变。其 55% 的高复问率数据揭示了通用 AI 在合规场景下的信任瓶颈，Taxbit 通过隔离权限与增强溯源引用（仅限 3 类公开来源）构建了可审计的 AI 信任闭环。

来源：AWS Machine Learning Blog