从代码到架构图：使用 Amazon Bedrock AgentCore 实现智能体式架构文档生成

在软件开发中，架构文档始终是一个棘手问题。代码库快速演进，团队往往要花大量时间手工绘制架构图，但部署几周后这些图就可能过时。文档与实际系统的脱节造成知识孤岛、拖慢新人上手，也让安全审计与合规检查变得更复杂。

Amazon Bedrock AgentCore 是能够以任意框架或模型大规模构建、连接和优化智能体的平台，为解决上述问题提供了新思路：让智能体自动分析代码库、生成架构图，并维护可搜索的文档。这套方案通过迭代式改进和自我纠错，将代码分析、图表生成和 AWS 服务上的自动发布串联起来。

一家全球性的银行间经纪商已经将该方案落地为自动化架构文档流水线。代码提交到 AWS CodeCommit 后会自动触发 AWS CodePipeline，AWS CodeBuild 会将源代码打包并上传至 Amazon S3，随后调用 AgentCore 托管的 Strands 智能体。智能体先从 Amazon S3 获取源代码，再使用 Amazon Bedrock 提供的模型分析 .NET 代码库，生成类图、时序图、状态图、组件图和活动图等 Mermaid/UML 图。生成的图会经过语法校验，并转换为 SVG，最后将 SVG、Mermaid 源文件以及包含图描述的 JSON 元数据上传到 Amazon S3 的架构图存储桶。

智能体在扫描代码时有明确优先级：只分析核心生产代码，并跳过 bin、obj、packages、.git 等目录中的测试文件、构建产物和自动生成代码，从而减少处理时间并提高图表相关性。整个执行过程分为理解、生成、校验、转换和发布五个阶段。如果生成的 Mermaid 图存在语法错误，智能体会分析错误信息并自动重新生成，而不是像单次 API 调用那样直接失败。这种具备自我修正能力的智能体工作流在图表生成上的成功率约为 95%，而单次 API 调用只有约 65%。

在知识检索方面，Amazon Bedrock Knowledge Bases 会从 S3 架构图存储桶中摄取产物，使用 Amazon Titan Text Embeddings v2 模型生成向量，再通过分块将图表描述和 Mermaid 源文件切分为语义单元，并将向量存储在 Amazon S3 中。于是，开发者和架构师可以通过自然语言查询架构文档，例如“重连活动流是什么样子？”或“列出基础设施组件的所有类图”，快速获得相关图表和上下文说明。

这套系统自 2026 年第一季度起已在生产环境运行，用于为这家金融服务公司的电子交易平台维护架构文档。整体方案展示了 AgentCore 智能体与 CI/CD 深度集成的能力：从代码提交、代码分析、图表生成、验证、发布到知识库摄取均可自动完成，帮助团队减少手工文档维护，降低知识流失，同时让架构信息保持最新且可被快速检索。