跳转至

Amazon Quick Research: Agentic Multi-Source Research Workflow with Citation Provenance and Versioned Revisions

Ch04.183 Amazon Quick Research: Agentic Multi-Source Research Workflow with Citation Provenance and Versioned Revisions

📊 Level ⭐⭐ | 11.7KB | entities/amazon-quick-research-agentic-multi-source-citation.md

Amazon Quick Research: Agentic Multi-Source Research Workflow with Citation Provenance and Versioned Revisions

本文综合提炼自 AWS 的 Amazon Quick Research 在 rare cancer research（罕见癌症研究）的应用案例。核心是 agentic research workflow：自然语言目标 → 拆解子主题 → 多源数据采集（web/PubMed/ClinicalTrials.gov/file uploads/Spaces）→ LLM 合成 → 带 inline 引用 + 可追溯 evidence chain 的报告 → 版本化修订。

核心问题：科研数据整合瓶颈

罕见癌症研究需要整合异构数据：

  • 基因组测序管线数据
  • 临床试验注册库（ClinicalTrials.gov）
  • 生物标志物库
  • 同行评审文献（PubMed）

传统做法：

  • 自定义 ETL 管道
  • 手动 schema 对齐
  • 在断连系统间迭代查询
  • 通常需要数周才能开始任何分析

Amazon Quick Research 核心能力

6 大能力：

  1. Research objective parsing — Agent 解析自然语言研究问题 → 拆解为结构化子主题 → 并行调查
  2. Multi-source data ingestion：
  3. Web search（PubMed / ClinicalTrials.gov / 开放期刊）
  4. 文件上传（PDF、Word、Excel、PowerPoint）
  5. Amazon Quick assets（Spaces、dashboards、knowledge bases、datasets）
  6. 项目创建时源被处理并索引
  7. AI-generated research plan — 跑前先生成结构化计划：调查主题 + 每主题源 + 分析方法。可审阅修订后再正式跑
  8. Cited report generation — 输出结构化报告带 inline 引用追溯源。每条陈述有 provenance 链接，"Understand the statement" 功能暴露单条结论的 evidence chain
  9. Versioned revision workflow — 注解具体陈述（≤400 char 修订评论）→ 提交后启动新 run scope 到被注解 section → 版本号递增 → 旧版本保留可对比
  10. Export formats — PDF / Word；Summary variants（Executive / General / Custom）调整输出长度 + 引用密度

核心创新点：把"修订"建模为局部再研究（scope 到被注解 section），而非整篇重跑。版本化 让研究者可对比迭代。

Spaces：数据组织层

Spaces 是 Amazon Quick 的数据容器：

  • 最多 10,000 文件 + Quick dashboards + topics + knowledge bases
  • 文件上传即索引 → 立即可作 research run 的 retrieval corpus
  • 支持格式：Word、Excel、PowerPoint、PDF、CSV、TXT、RTF、JSON、YAML、XML、HTML

端到端 walkthrough（罕见癌症研究案例）

研究目标示例：

"What are the promising targeted therapy approaches for pediatric sarcomas with specific genomic alterations, and how can we identify patients who may benefit from these treatments?"

5 步流程：

  1. Create a space — 添加 cancer genomics datasets + PubMed abstracts 作内部知识 corpus
  2. Create a research project — Quick Research → New Research
  3. Define the objective — 输入目标，AI agent 帮优化问题、建议探索角度
  4. Data source selection：
  5. 启用 web search
  6. 添加特定 URL：rarecancer.org/publications、ncbi.nlm.nih.gov、aacrjournals.org、PMC10815984、cancer.gov/types
  7. Review plan → Run → Iterate — 审阅 AI plan → 运行 → 用 revision 局部修订

关键设计模式（可复用）

1. Plan Before Run

跑前先生成结构化计划（调查主题 + 源 + 方法），人工审阅后修改再正式跑。避免大规模跑错方向。

2. Inline Citation + Evidence Chain

每条报告陈述都有追溯链接。"Understand the statement" 功能暴露完整 evidence chain —— 用户可看到该结论基于哪些源。解决 LLM 幻觉的核心机制。

3. Statement-level Revision

用户可注解单条陈述（不是整篇重写）→ 启动局部再研究（scope 到 annotated sections）→ 新版本号。结合"全文 revision" vs "局部 revision"：

  • 局部 revision：cost 低、保留其他正确结论
  • 版本号递增：保留完整迭代历史

4. Spaces as Indexed Corpus

把 Space 作为预索引的 retrieval corpus —— 上传即索引，立即可被 research run 检索。比"传完文件再手动 ingest"快。

实践启示

何时采用 Amazon Quick Research pattern：

  • ✅ 跨多个异构数据源的研究任务（biomedical / 政策分析 / 市场研究）
  • ✅ 报告需要强 provenance（合规、研究、监管场景）
  • ✅ 研究是迭代的（初版 → 用户修订 → 再版）
  • ✅ 用户希望审阅计划后才投入计算资源
  • ❌ 单一数据源查询 → 不需要 agentic 编排
  • ❌ 输出不需要引用追溯 → 可用普通 RAG

部署建议：

  1. 先建好 Space 预索引内部 corpus
  2. 从具体研究目标开始 —— 模糊问题会得到模糊计划
  3. 跑前总是审阅 AI plan，必要时修订
  4. 用 statement-level revision 局部迭代 —— 不要全文重写
  5. 注意：Amazon Quick 是付费服务，跑完需清理资源

深度分析

1. Agentic Workflow 将"研究"从批次处理升级为可演进的知识系统

Amazon Quick Research 的核心设计不是一次性检索，而是将研究目标建模为可迭代的 agentic 任务。自然语言目标 → 拆解子主题 → 并行多源采集 → LLM 合成 → 带引用的报告，这一流程本身并不新颖，但其将版本化修订作为一等公民的设计值得深思：每次修订不是覆盖，而是保留历史、递增版本。这意味着整个系统是面向知识积累而非一次性输出。

2. Citation Provenance 是对抗 LLM 幻觉的结构性防线

"Understand the statement" 功能将单条陈述的 evidence chain 暴露给用户，这是从"信任系统输出"转向"验证系统输出"的关键交互设计。传统 RAG 的 citation 通常只指向文档级别，而 Amazon Quick 的 inline citation 做到了陈述级别 provenance，并辅以证据链解释。这种设计将幻觉检测的负担从模型层下移到用户交互层，大幅提升了输出的可信度。

3. "Plan Before Run" 是降低 agentic 系统风险的元认知机制

在正式执行前引入 AI-generated research plan 并允许人工审阅修订，这是对 agentic 系统不确定性的主动缓解。传统 agent 系统一旦启动便难以干预，而 Quick Research 在 plan 阶段提供了干预窗口——用户可增删主题、调整范围、确认源，再正式跑。这个设计将"人机回环"前置到风险最低的阶段，而非在 expensive run 之后才介入。

4. Statement-level Revision 将迭代成本从 O(N) 降为 O(1)

传统报告修订需要整篇重跑，成本与报告长度成正比。Amazon Quick 的设计将修订 scope 限定在 annotated sections：新版本只 re-research 被注解的部分，保留其他正确结论。这是一种局部优先的迭代策略：将全局搜索压缩为局部检索，既降低计算成本，也减少因整篇重写引入的新幻觉风险。

5. Spaces 作为 Indexed Corpus 重新定义了"数据准备"的时空效率

文件上传即索引、立即可被 research run 检索——这消除了传统 ETL 管道中"数据接入 → 清洗 → 存储 → 索引"的延迟。在罕见癌症研究场景中，这种即时可用性意义重大：研究者不需要等待数周的数据准备，只需上传文件即可开始研究。但这也意味着 Spaces 本质上是一个轻量级、欠清洗的向量存储，对数据质量要求高的场景需要在上传前做预处理。

相关链接

相关实体