AWS 展示如何用 Bedrock 中的 Claude Tool Use 加速自定义实体识别

把函数调用能力用于文档字段提取

AWS 认为，企业长期面临的难题之一，是如何从大量非结构化数据中高效提取有价值的信息。传统做法往往流程重、模型死板，适配成本也较高。

为此，AWS 把 Claude Tool Use，也就是函数调用能力，引入 Amazon Bedrock 场景，用来动态调用预设工具，提升大模型在实体提取任务中的可用性。

示例场景是驾驶证信息抽取

文章给出的示例是从驾驶证中提取自定义字段。系统可以在不进行传统模型训练的前提下，从文档中识别姓名、日期、地址等信息。

AWS 将其描述为一套实时处理方案，适合需要按需抽取字段、又不想维护额外训练流水线的业务场景。

采用无服务器架构降低运维负担

整套方案基于无服务器架构运行，借助 Amazon Bedrock 上的 Claude 模型完成实体识别，并通过多项 AWS 服务串起处理流水线。

AWS 的重点并不只是演示识别效果，还希望说明：在托管基础模型和工具调用机制配合下，企业可以把复杂基础设施管理压到更低。