
Taxbit Assist łączy odpowiedzi ze źródłami, uprawnienia i ocenę działania
Taxbit Assist to asystent AI osadzony w panelu Taxbit. Firma przedstawia go jako rozwiązanie dostarczające odpowiedzi z odsyłaczami do źródeł i uwzględniające uprawnienia, zbudowane na Amazon Bedrock AgentCore. Dokładniej jest to aplikacja Strands Agents SDK działająca w środowisku AgentCore runtime. System nie ogranicza się zatem do interfejsu rozmowy z modelem, lecz rozdziela kontrolę wejścia, wyszukiwanie, pamięć, tożsamość, narzędzia i ocenę produkcyjną.
Kontrola następuje przed uruchomieniem modelu
Wiadomość przychodząca jest najpierw sprawdzana przez Amazon Bedrock Guardrails. Dane umożliwiające identyfikację osoby są maskowane w miejscu, a zablokowana wiadomość w ogóle nie uruchamia modelu. Kolejność ma znaczenie: decyzja dotycząca bezpieczeństwa zapada przed generowaniem odpowiedzi, więc treść odrzucona na tej granicy nie przechodzi do etapu modelu.
Tożsamość użytkownika również pozostaje poza kontrolą modelu. Zaufana usługa wywołująca przekazuje adres e-mail użytkownika, identyfikator organizacji oraz role. Wartości te są wiązane z narzędziami, zanim zobaczy je model. Model nie obsługuje więc ani nie wybiera tożsamości. Działanie narzędzi zależne od uprawnień opiera się na kontekście przekazanym przez zaufaną usługę, a nie na deklaracji utworzonej w rozmowie.
Wyszukiwanie tworzy podstawę odpowiedzi
Dla dozwolonego zapytania agent pobiera fragmenty z bazy Amazon Bedrock Knowledge Bases wspieranej przez Amazon S3 Vectors. Następnie ponownie szereguje wyniki według trafności i strumieniuje odpowiedź wraz z linkami do źródeł. AgentCore memory przenosi kontekst rozmowy między kolejnymi turami, dzięki czemu następne pytanie może nawiązywać do wcześniejszej wymiany.
Baza wiedzy przyjmuje treści opublikowane, wyprowadzone z kodu oraz przygotowane redakcyjnie. Cohere Embed English v3 tworzy dla nich 1024-wymiarowe wektory float32, porównywane za pomocą odległości kosinusowej. Są to szczegóły konkretnej implementacji opisanej przez Taxbit i nie należy przenosić ich automatycznie na inne systemy.
Zachowanie zakresu dokumentu we fragmencie
Taxbit zastosował dzielenie semantyczne oraz transformację Lambda wykonywaną po podziale. Transformacja dodaje przed każdym fragmentem tytuł dokumentu źródłowego i jego akapit wprowadzający. Fragment trafiający do indeksu wektorowego zachowuje w ten sposób informację o szerszym zakresie dokumentu, zamiast funkcjonować wyłącznie jako wyrwany z kontekstu ustęp.
Ściśle określone granice dostępu
W opisanej wersji agent nie ma prawa odczytu danych podatkowych klientów. Jego jedyne operacje zapisu dotyczą własnych zgłoszeń pomocy technicznej osoby wywołującej. Jest to istotna granica obecnych możliwości: opis architektury nie pozwala twierdzić, że Taxbit Assist już teraz odpytuje dane raportowe klientów.
Przetwarzanie regionalne opiera się na profilach inferencji z prefiksem geograficznym. Inferencja dla UE pozostaje w UE, a inferencja dla USA pozostaje w USA. Na kontach z własnym kluczem klienta historia rozmów i inne magazyny danych klienta są szyfrowane jego kluczem AWS KMS. Kierowanie regionalne, szyfrowanie kontrolowane przez klienta i wiązanie tożsamości stanowią odrębne zabezpieczenia tej architektury.
Ocena sesji działających produkcyjnie
Oceny online AgentCore obejmują próbę dziesięciu procent aktywnych sesji. Punktowane są pomocność, szkodliwość, spójność, wykonywanie instrukcji, poprawność wyboru narzędzia oraz poprawność jego parametrów. Zakres ten uwzględnia zarówno wygenerowaną odpowiedź, jak i sposób dobierania oraz konfigurowania narzędzi przez agenta.
Taxbit podaje, że Taxbit Assist działa produkcyjnie w USA i UE od maja 2026 roku. Według wewnętrznych analiz produkcyjnych ponad 55 procent użytkowników, którzy zadają pytanie, wraca z następnym w ciągu 24 godzin. Firma informuje też o średnim koszcie modelu poniżej 20 centów na rozmowę oraz o obsłudze około trzech czwartych tokenów wejściowych z pamięci podręcznej. Są to dane raportowane przez Taxbit dla tego wdrożenia, a nie ogólne wyniki innych agentów lub środowisk.
Opis tworzy łącznie ciąg wyraźnych punktów kontrolnych: wiadomość jest sprawdzana przed użyciem modelu, tożsamość i role pochodzą od zaufanej usługi, odpowiednie fragmenty są wyszukiwane i ponownie szeregowane, odpowiedź zawiera linki do źródeł, pamięć wspiera wiele tur, a część aktywnych sesji podlega ocenie. Ograniczenia dostępu są tu równie ważne jak sama generacja, ponieważ uwzględnianie uprawnień określa zarówno to, co asystent może zrobić, jak i dane, których nie może odczytać.