亚马逊AWS官方博客

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。

本文以大型头部旅行社中“大规模集体出行任务”为案例，针对其现实场景中需求复杂、人员众多、涉及的资源量大的特点，结合“LLM的语义理解能力”与“运筹学求解器的确定性”，开发出了一套高效、稳定、可人工审核、可循环迭代的行程分配与优化Multi-Agent系统，在实际应用中取得了较为满意的效果。

本文记录了一名技术项目经理将飞书接入 Amazon Quick 的完整实践过程。Amazon Quick 通过 MCP 协议支持自定义工具接入，飞书官方发布了对应的 MCP Server（@larksuiteoapi/lark-mcp）。本文对比了三种接入方案，详细介绍了个人用户快捷有效方案（本地 OpenAPI MCP）的原理、配置步骤与常见问题，并分享了飞书 × Outlook 双端会议、群消息生成进度报告、飞书今日速览三个已验证的实战场景。