亚马逊AWS官方博客

本文将通过示例介绍，如何借助 Kiro 与 AWS DevOps Agent，把原本高度依赖人力的演练，转变为低成本、可复现、并能在每次演练中自动产出调查结论的流程。读完本文，您将了解如何为每一类故障切换信号设计可靠的检测、如何运行基础演练并设计其他演练流程，以及如何把 DevOps Agent 集成到您的 on-call 流程。

面对多游戏、多账号、小团队的运维压力，星合互娱在评估多种 AI 运维方案后，最终选择了 AWS DevOps Agent。核心考量在于：DevOps Agent 并非独立于现有体系之外的另一套工具，而是能够直接融入星合互娱已有的监控、代码和云账号体系，让 AI 在现有数据上发挥价值，而非要求团队重新建设数据管道。

本篇先基于实测给出查询兼容性总览与 k-NN 查询的具体改写方式，再介绍如何通过 BBoss Elasticsearch 框架的多数据源能力与 DSL 模板隔离，将应用层改动降到最低。

本系列基于实际 POC 验证，完整介绍从自建 Elasticsearch 8.17 迁移到 Amazon OpenSearch Service 的实践，涵盖 Logstash 数据同步、向量索引迁移与 Amazon Bedrock Titan V2 集成、以及查询兼容性验证与 BBoss 框架应用层适配三个关键环节。作为系列开篇，本文先解决第一个挑战——数据迁移与同步；向量索引迁移与 Embedding 模型切换将在第二篇展开，查询兼容性与应用适配则在第三篇展开。

本系列基于实际 POC 验证，完整介绍从自建 Elasticsearch 8.17 迁移到 Amazon OpenSearch Service 的实践，涵盖 Logstash 数据同步、向量索引迁移与 Amazon Bedrock Titan V2 集成、以及查询兼容性验证与 BBoss 框架应用层适配三个关键环节。作为系列开篇，本文先解决第一个挑战——数据迁移与同步；向量索引迁移与 Embedding 模型切换将在第二篇展开，查询兼容性与应用适配则在第三篇展开。

本文介绍了一种 AI Agent 的沙箱方案：用于多租户 AI Agent 平台（不同用户的会话需要完全隔离）、编程助手的代码执行沙箱（OpenClaw、Hermes 之类）、合规环境下需要可审计的工作负载隔离，以及任何需要规模化执行不可信代码的场景。

无状态是 LLM 的天性，但「记不住」不该成为 Agent 的宿命。本文通过 HOOK+MCP Server 的方式，来使用 Amazon Bedrock AgentCore Memory，实现跨项目、跨终端、跨人员的团队记忆共享。记忆于是变成了一个独立的、可治理的服务层，不再跟着人、设备或某一个客户端走。本文也进一步分享了使用Amazon Bedrock AgentCore Memory的一些实操经验与技巧。

本文介绍利用 AIDLC 方法论与 BMAD 框架，在 AWS Serverless 上构建端到端 AI 驱动开发流程。通过引入“定义约束、人工评审（Review Gate）、TDD 验证”机制，实现 AI 并行产出与业务、架构及测试的跨阶段一致性，将 AIDLC 转化为可复制的工程流。

AWS 构建者中心上线一周年、Security Hub 网络扫描功能、适用于 AWS 的 Loom 等

本文讲清楚一套把非结构化用户评论提炼成层级标签体系的 pipeline 是怎么设计的， 并在每个设计点交代对应的可调参数：它控制什么、往哪个方向调、对输出有何影响。 示例数据用公开的中文电商评论数据集（online_shopping_10_cats 手机类，2323 条），不涉及任何客户的私有数据。