科技资讯
过去一年，企业在智能体上的预算大多花在模型选型和提示词打磨上，但真正让项目停在 POC 阶段的原因，往往不在生成侧：一是每一步到底该调哪个工具、走哪条分支；二是工具真的跑起来之后，怎么把副作用关进笼子。亚马逊云科技近期开源的两个组件，正对着这两个卡点。
据 InfoQ 报道，亚马逊云科技开源了 Strands Decider 2B（一个 20 亿参数的决策模型）与 Strands Box（执行沙箱），分别对应智能体工作流中的轻量决策与安全执行问题【1】。
图：来源页面配图（已本地备份）。引用：【1】亚马逊云科技开源智能体“决策器”和“安全箱”，但并发与冷启动仍待解决 — https://www.infoq.cn/article/YmgmEh686wTClmj3PY8o?utm_source=rss&utm_medium=article
先把分工分清：一个是「选择题判官」，一个是「带护栏的操作间」
Decider 2B 的定位不是通用对话模型，而是把「下一步做什么」压缩成一个多选项评分问题：对候选工具与候选路由打分，输出确定性决策并附带置信度分数【2】。公开信息显示，它采用指针头加 LoRA 微调，在消费级硬件上实现百毫秒级延迟，JevBench 准确率为 72.3%，同时提供开箱即用的 CLI 并能与 Strands 智能体集成【1】【2】。
Box 解决的是另一半：执行。工具调用一旦涉及文件、网络、命令行，风险就从「答错话」升级为「做错事」。沙箱的价值不在于让智能体更强，而在于让它更可被约束。
一句话概括分工：Decider 决定「要不要动手、动哪只手」，Box 决定「动手时能碰到什么」。把这两件事拆开，比塞给一个大模型统一处理更容易审计。
决策器真正的价值：把难以复现的路由变成可记录的分支
很多团队的路由逻辑写在提示词里，线上出问题时只能看到一句自然语言理由。Decider 2B 这类设计的可取之处，是把决策变成结构化评分：候选集合有限、分数可比较、置信度可落库【2】。
对中国企业的实际意义有三点：
- 可回归测试：给定同一组工具描述与上下文，评分应当稳定，便于做 CI 级别的回归。
- 可降级：置信度低于阈值时走人工或固定流程，而不是让模型硬选。
- 可替换：路由层与生成层解耦后，生成侧更换模型供应商，不至于推翻整套编排。
不过 72.3% 这个数字需要正确解读【1】：它是特定评测集上的结果，不等于你的业务场景可用率。选型时更稳妥的做法是用自己 200–500 条真实工单构造小评测集，重点盯「高风险分支误选率」，而不是只看平均分。
成本账：小模型省钱的逻辑成立，但要把并发算进去
20 亿参数、消费级硬件、百毫秒级延迟，这组参数指向一个务实的成本结构：决策调用可以高频、可以本地化、不必每次都惊动大模型【1】。对跨境卖家这类「多店铺、多平台、多任务」的场景，路由调用量往往比生成调用量大一个数量级，把高频决策下沉到小模型，账面上是划算的。
但报道同时指出，并发与冷启动仍是待解决问题【3】。这两点在工程上意味着：
- 冷启动：容器化部署下，首批请求延迟会明显高于稳态，不要拿压测稳态 P99 直接对业务 SLA 做承诺。
- 并发：小模型不等于零成本，单实例吞吐有限，突发流量需要排队或扩容策略，否则延迟优势会被抵消。
落地动作建议：把 Decider 部署在与业务同区域的常驻实例上，保留最小热实例；对决策调用设置超时与兜底规则，超时即走默认分支并记录事件，事后可统计兜底率作为容量规划依据。
合规与安全：沙箱能隔离执行，隔离不了责任
Box 降低的是技术风险，让工具执行发生在受控环境里。但企业真正容易踩的坑在责任侧：
- 数据出境与留存：沙箱跑在哪个区域、日志落到哪里，需要先过数据合规评审，涉及客户个人信息与订单数据时尤其如此。
- 权限最小化：沙箱内仍要按任务发放临时凭证，避免「一次授权、长期可用」。
- 可追溯：每次决策的候选集、分数、置信度与最终执行结果要能串成一条链，否则出问题无法复盘。
换句话说，开源只是把组件交给你，合规责任仍然留在企业自己身上。
一条务实的分阶段路线
- 第 1 周：不接生产系统，用历史工单离线跑 Decider，产出「决策准确率 / 误选成本」两列数据。
- 第 2–3 周：选一条低风险链路（如客服工单分类转派、商品信息补全）接入 Box，只读权限起步。
- 第 4 周起：加入置信度阈值与人工兜底，建立决策日志看板。
- 稳定运行后：再考虑把写操作（改价、发券、下单）放进沙箱，并配套审批流。
什么情况下先别上
如果业务只有单一步骤、工具不超过三个、错误成本很低，引入决策层反而增加维护面。如果团队还没有日志与评测基础设施，也不建议先上——没有评测集的决策模型，等于把不确定性从一个黑盒搬到另一个黑盒。
开源组件的意义从来不是「拿来即用」，而是把原来藏在黑盒里的两个环节——选择与执行——变成可以单独评估、单独替换的部件。对准备把智能体推进生产的企业来说，这比多一个模型选项更值得关注。
参考文献
【1】亚马逊云科技开源智能体“决策器”和“安全箱”，但并发与冷启动仍待解决 — https://www.infoq.cn/article/YmgmEh686wTClmj3PY8o?utm_source=rss&utm_medium=article
【2】编辑注：基于同一来源，对 Decider 2B 的评分机制、置信度输出、指针头加 LoRA 微调与 CLI/Strands 集成能力的事实梳理 — https://www.infoq.cn/article/YmgmEh686wTClmj3PY8o?utm_source=rss&utm_medium=article
【3】编辑注：基于同一来源关于并发与冷启动尚未解决的说明 — https://www.infoq.cn/article/YmgmEh686wTClmj3PY8o?utm_source=rss&utm_medium=article
