背景
Norton Revamp 是由 Gen Digital 開發的生成式 AI 專業聲譽管理平台，於 2026 年 3 月推出。該平台的核心是 AI 策展新聞引擎，旨在幫助專業人士在 LinkedIn 等社群平台上建立個人品牌。與依賴靜態知識庫的聊天機器人不同，Norton Revamp 需要即時了解用戶專業領域的最新趨勢，例如資安專家需要當下的威脅情報，行銷主管需要本週的產業變化。傳統方法如自訂網路爬蟲、第三方新聞 API 或靜態內容資料庫，分別存在基礎設施維護成本高、資料過時、供應商合約複雜或資料外洩風險等問題。 AWS ML Blog
發生什麼事
Gen Digital 選擇 Amazon Bedrock AgentCore Web Search 作為其新聞引擎的基礎技術。這是一項完全託管的網路搜尋功能，符合 Model Context Protocol（MCP，一種讓 AI 模型與外部工具標準化溝通的協定）。該功能作為 Amazon Bedrock AgentCore Gateway 上的託管連接器提供。當代理程式發送自然語言查詢時，Web Search 會回傳相關摘要、來源 URL、標題和發布日期，讓模型生成有依據的回應。此技術消除了自訂爬蟲的維護負擔，並確保所有操作都在 AWS 環境內進行，無資料外洩風險。 AWS ML Blog
重點內容
AgentCore Web Search 驅動了 Norton Revamp 的三大核心功能。首先是 AI 策展新聞動態，用戶會收到與個人目標相關的個人化內容流，例如建立生成式 AI 思想領袖形象的用戶，其動態會優先顯示 AI 突破和產業分析，並透過 AgentCore Web Search 即時獲取來源。其次是智慧內容建議，系統根據用戶領域的熱門話題生成內容點子，並提供 AI 生成視覺素材。用戶透過「分析、精煉、發布」（Analyze, Refine, Post）的三步流程，將想法轉化為 LinkedIn 或 X 上的貼文，系統會根據回饋循環不斷優化。第三是趨勢感知目標設定，AI 根據即時趨勢數據建立個人化路線圖，每週主題反映當前產業動態，並根據過去四週的活動數據更新建議。 AWS ML Blog
在技術架構方面，平台採用事件驅動架構。當用戶設定或更新專業目標時，Amazon Nova（透過 Amazon Bedrock）會根據目標、近期活動和互動模式生成搜尋查詢。AgentCore Web Search 回傳有引用的結果，AI 學習系統則根據相關性、時效性和來源可信度對結果進行排名。排名後的結果作為 Amazon Nova Lite 生成內容的基礎脈絡。互動數據會回饋到查詢生成環節，使新聞引擎隨時間變得更聰明。技術堆疊包括前端使用 React、TypeScript 和 Tailwind CSS，後端使用 Node.js、Amazon ECS、AWS Lambda、Amazon DynamoDB 等服務，並透過 Terraform 管理基礎設施。 原文
對使用者的意義
Norton Revamp 協助專業人士將想法轉化為吸引人的社群媒體貼文。透過即時網路搜尋，平台確保內容建議基於當下的真實資訊，而非過時資料。用戶可以定義專業目標，獲得每週主題和里程碑的個人化路線圖。系統提供內容教練功能，幫助用戶以真實語氣撰寫貼文，並透過分析、精煉、發布的流程優化內容。對於希望建立線上聲譽的用戶，平台提供即時趨勢洞察，幫助他們在內容飽和的環境中脫穎而出。 AWS ML Blog
限制與未定事項
在開發過程中，Gen Digital 採用 AI 原生開發思維，人類負責架構決策、安全審查和業務邏輯，AI 負責程式碼生成、文件撰寫和測試腳本。使用 Claude 模型後，設計到原型的時間從數週縮短至數小時，70% 的 UI 程式碼由 AI 生成。然而，AI 輸出的審查佔用了團隊 20–30% 的時間。雖然功能實施速度提升 3 倍，樣板生成加速 90%，文件生成加速 80%，測試創建加速 70%，UI 元件生成加速 65%，但人類仍需設計 AI 學習系統如何適應用戶目標。 AWS ML Blog
