monday.com 在 Amazon Bedrock 上运行生产级 AI Agent 的架构实践

AWS Machine Learning 博客日前刊发 monday.com 工程团队的深度分享，详细介绍了其如何在十年积累的大型代码库中，以 Amazon Bedrock 为底座运行生产级 Agent 系统「Sphera」，并公开了支撑 9/10 Builder 每月使用 AI 工具、单工程师 PR 吞吐提升超过 50% 的工程架构。

落地背景：不是绿地，而是十年 SaaS

monday.com 的代码库已运行十年，服务数百万付费用户，涵盖数百个微前端与微服务。任何由 Agent 提交的 PR 都会进入一个对稳定性高度敏感的生产系统。文中明确指出，绿地 demo 简单，而在真实企业 SaaS 中兼顾 on-call、合规与用户体验，才是 Agent 落地的真正难点。这一背景决定了整套架构必须围绕可回放、可降级、可观测来设计。

三级 AI 工程化路径

monday 把团队对 AI 的使用划分为三个层级，用以衡量演进进度：

L1 助手级：工程师把 AI 当结对程序员使用，Cursor 负责反射式改写，Claude Code 处理重型任务，年同比采用率接近翻倍。
L2 技能与子 Agent 级：团队沉淀可复用的 Agent 处理重复工作，工程师仍主导决策；这也是当前多数团队的运行层级，单开发者 PR 吞吐正是在此阶段提升了 50% 以上。
L3 多 Agent 级：完全 Agent 化，由 Agent 端到端交付功能，工程师转为编排者，从工单系统拉取任务，在 Slack 与 monday 中协作，与人类并肩发布代码。

Agent 作为「团队成员」的身份体系

Sphera 的界面不是任务队列，而是一个 Teams 页面：人类与 Agent 混合呈现，每个 Agent 都拥有头像、上级、职责范围与绩效评分。文中重点介绍的 Atlas 角色为「Software Engineer」，职责是从工单池里领取任务、编写 PR、发布功能——没有 IDE，与人类共用同一个 Backlog。这并非装饰，而是底层数据模型：每个 Agent 拥有稳定身份，可被 Slack、GitHub、monday 中的任意成员打标签、分配任务、Code Review 或停用，真正成为组织中的一员。

生产架构：事件驱动的 Agent 运行链路

整套系统由七个核心 AWS 服务组成：Amazon SNS、Amazon SQS、Amazon EKS、Amazon RDS、Amazon ElastiCache、Amazon EFS 与 Amazon S3，外加 AWS Secrets Manager 处理每个会话的密钥，Amazon Bedrock 提供模型调用能力，monday-agent-sdk 运行在每个 Agent Runner Pod 内。

三个收件箱，同一个 Agent：Agent 同时监听 Slack @ 提及、monday 任务分配、GitHub PR Review 请求，三类事件汇入同一个会话，共享同一份内存与磁盘工作区——只跑一套 Agent 系统，而非三个。
事件路径：外部触发进入 SNS，按主题与路由键扇出到每个团队的 SQS 队列；部署在 EKS 上的 monday Builders CoWORK 消费者拉取消息，解析归属 Agent 后交给对应 Runner Pod。
为什么选择 Pub/Sub + 队列：天然支持重试与死信队列、面对 Bedrock 限流时可背压、事件可持久化重放（团队在升级前会重跑最近一天的事件做回归验证），并支持并发扇出。文中强调，运行时是可替换的商品，而 Harness 才是团队的护城河。

monday-agent-sdk 是 Claude Agent SDK 之上的薄包装，三大作用分别是：调用点保持模型提供商中立（路由至 Bedrock 模型端点）、通过预热的 node_modules 与插件缓存将冷启动首调用压到通常 1 秒以内，以及把 Agent 评测、插件组合、Slack/monday/GitHub 协作、对照 monday 标准的输出审核等「团队观点」沉淀在自己的 Harness 中。

状态、记忆与会话

文章将 Agent 的状态拆为三类，分别落到最合适的存储中：

活态（live state）：当前任务、运行游标、分布式锁、心跳以及人/机消息日志，存放在 Amazon ElastiCache，读取在亚毫秒级，密钥自动过期。文中提到 DynamoDB 也可行，但 ElastiCache 在这种访问形态下更便宜、更快。
会话与记忆：存放在 Amazon EFS，每个活跃会话是一个共享文件系统目录，包含 checked-out workspace、加密的 per-session secrets 与按时间排序的事件日志；跨会话记忆与每日日记则分别落到 MEMORY.md 与 diary/YYYY-MM-DD.md。
为什么不用 S3：Claude Agent SDK 与多数插件要求真正的 POSIX 文件系统（git、npm、文件编辑），可以消除「开发能跑、Worker 中崩」的一整类问题；当一次运行在另一个 EKS Pod 恢复时，新 Pod 挂载同一 EFS 路径即可无缝继续。

文中展示了 Atlas 在 2026-04-21 的日记片段，包含「In progress」的工程任务编号，印证了 Agent 在生产中以「真队友」形态持续运作。从指标到架构再到身份设计，monday.com 给出了一份在大型企业 SaaS 中规模化运行 Agent 的工程答卷。