AI工具AWS Machine Learning Blog02:21
基于AWS构建的Agentic对话式视频智能
Agentic conversational video intelligence built on AWS
想让视频秒级可问答，得接受绑定AWS三件套的代价。
判断
这篇改变的是架构评审在选型会上的那一票：想要端到端问答，就得把素材存储、索引和模型调用一起交给同一朵云，此后每加一批素材都在抬高回迁成本。
依据
AWS Machine Learning Blog 用《Agentic conversational video intelligence built on AWS》这篇自述其方案，但正文抓到的实际是站点导航与产品索引，没有客户案例，也没有一项性能数字。从机制看，代理式（agentic，指让模型自己规划并连续调用多个工具，而不是一次问答就结束）视频问答要跑通，至少需要三段落地的能力：对象存储放原始素材、索引放可检索的转写文本、模型服务负责理解与生成。AWS 的导航页把 Amazon S3、OpenSearch Service 与 Amazon Bedrock 并列在推荐产品位，恰好对应这三段。三段同账号同云，省下的是跨云搬数据那一段的延迟和权限对接；代价是索引格式与访问策略跟着厂商走，要换就得重建索引和授权，素材越多重建越贵。
没写清 材料只留下标题和导航，没写这套架构要用哪几项服务、素材到什么规模才谈得上秒级问答，也没给转写延迟或成本数字。
下一步 去 AWS 官方文档找这篇标题对应的架构页，核对它列出的服务清单和计费项是否就是存储、检索、模型三件。