拜耳作物科学如何借助 AWS Unified Operations，在 Amazon Bedrock AgentCore 上构建智能体决策引擎
植物育种决策依赖的数据横跨基因组学、田间试验、图像、环境条件和模型输出。Bayer Crop Science 针对这些数据运行着数百种机器学习（ML）模型配置，覆盖不同作物、地区和团队，每次运行都必须可重复、可治理。为满足这一要求，Bayer 构建了 Connected Decision Engine（CDE），一套用于部署、编排、监控和复用 ML 工作流的系统。CDE 让育种人员、分析师、研究人员、数据科学家和数据工程师能以一致的方式运行分析，同时保留执行历史和操作控制。随着使用范围扩大，瓶颈从运行工作流转向了理解工作流。要解释一个结果，就得把来自 API、文档、元数据存储、仪表盘和日志的上