> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# AWS 演示基于 Bedrock AgentCore 的多模态 WhatsApp 点单助手
- URL: https://globalfeed.ai/zh/aws-yan-shi-ji-yu-bedrock-agentcore-de-duo-mo-tai-whatsapp-dian-dan-zhu-shou/
- Published: 2026-09-06T14:33:47.000Z
- Updated: 2026-09-06T14:33:47.000Z
- Description: 一个 WhatsApp Business 号码同时处理文字、语音留言和通话，由 Amazon Nova 2 Lite 与 Nova 2 Sonic 驱动，共享同一后端与跨渠道记忆。
- Author: GlobalFeed Editor
- Tags: AWS, Amazon Bedrock, WhatsApp, x-awscloud, dil-zh, denetim-gerekli, video

AWS 发布了一份部署指南，介绍如何用 Amazon Bedrock AgentCore 和 Amazon Nova 2 搭建多模态的 WhatsApp 点单助手。面向的场景是快餐门店：点单渠道分散在 App、网站、电话和柜台，每个渠道都是一套独立系统，客户历史记录也被割裂。AWS 提到，WhatsApp 触达超过 20 亿人。

方案用一个 WhatsApp Business 号码承载助手。顾客可以在同一个会话里发文字、发语音留言，或者直接发起语音通话，智能体（Agent）从打招呼到确认订单全程接管。三条渠道共享同一后端和同一份跨渠道记忆，今天发消息、明天打电话的顾客会被识别为同一个人。

## 技术组成

面向顾客的入口是 Meta WhatsApp Business Platform，提供 Cloud API 的 webhook 以及 Messages、Media 和 Calling API。这部分由 Meta 运营，属于前置条件，并非该方案部署的内容。智能体运行在 Amazon Bedrock AgentCore 上：Amazon Nova 2 Lite 通过 Bedrock Converse API 处理文本，Amazon Nova 2 Sonic 负责语音留言和通话中的实时语音。智能体通过模型上下文协议（MCP）访问餐厅后端，整套系统用 AWS CDK 部署。

入站流量统一进入一个 HTTPS webhook，先立即返回 200 确认，再异步处理。架构把三层分开：负责对话的 WhatsApp 层、按渠道各一个的智能体运行时，以及保存菜单、购物车、订单和门店信息的后端。渠道逻辑与点单逻辑相互独立，因此增减渠道时后端无需改动。

语音留言的处理路径是：将 OGG Opus 数据解码为 16 kHz PCM，送入一个有界的 Nova 2 Sonic 语音到语音会话，路径中没有转写服务，回复直接以 WhatsApp 语音消息返回。语音通话中，Meta 的 Calling API 递送 WebRTC 的 SDP offer，运行时因没有公网 IP 而以 turnOnly 模式工作，TURN 凭据来自 Amazon KVS，媒体经 DTLS/SRTP 通过 KVS 托管的 TURN 中继传输。

智能体容器在 AWS CodeBuild 中按 ARM64 构建，因此本地不需要 Python、Docker 或音频工具链。前置条件涉及 AWS 账号和 Meta WhatsApp 两方面配置。完整部署步骤见 [AWS 的博客文章](https://aws.amazon.com/blogs/machine-learning/deploy-a-multimodal-whatsapp-ordering-assistant-with-amazon-bedrock-agentcore/?ref=globalfeed.ai)。