AWS机器学习博客介绍基于Amazon Bedrock AgentCore构建并购尽职调查系统的参考架构。
该系统组合代理编排、知识检索和治理控制，对并购尽调资料进行多步骤处理，并部署可运行的示例。
文章说明，相关代理可围绕资料收集、信息检索和结果审核分工协作，具体数据权限仍由部署方配置。
来源：AWS Machine Learning Blog，发布时间：2026年8月13日。
并购尽调的难点不只是从大量文件里找关键词，还包括同一事项可能出现在合同、财务表、会议纪要和后续补充文件中，且版本或口径并不一致。多代理流程可以按资料收集、检索归纳和复核分工，但最终摘要应能回到原文件、页码或段落；没有出处的结论不能当成已核实事实。
试点时可选一个小型、已脱敏的数据室，先提出具体问题，例如某合同的续约条件或某项收入在不同材料中的口径。逐条检查代理是否引用正确版本、是否识别相互矛盾的说法、是否把缺失资料误写成“没有风险”。把问题、证据链接、模型输出和人工修订一起留档，才能判断它节省的是检索时间，还是只是生成了更长的摘要。
此类资料可能含交易机密、个人信息和受法律特权保护的内容。部署方需以项目角色配置最小访问权限，明确文件是否会进入日志、索引或临时存储，并让律师、财务和业务负责人分别复核各自领域的判断。AWS文章展示的是参考架构，不构成尽调结论或法律意见。
一个实用的验收标准是：审阅者能否从结论点击回原始证据，看到文件版本与引用位置，并标记“已确认、冲突待查、材料缺失”三种状态。若系统只给出连贯摘要却无法复现证据链，就不应把它用于交易决策。
