亚马逊AWS官方博客
Category: Artificial Intelligence
Jean Lilly 使用 AWS Security Agent 加速应用安全验证
Jean Lilly 为 B2B 珠宝店铺提供在线 3D 工艺设计平台,店铺可以在珠宝模型上添加刻字、图案等定制内容,并直接在网站中查看模拟渲染效果。公司研发团队二十多人,没有专职安全工程师,需要跟上持续加快的发布节奏。客户使用 AWS Security Agent(现已纳入 AWS Continuum)执行按需渗透测试,将以往需要 2~4 周协调和完成的外部安全测试缩短到数小时,并把目标授权、测试范围、登录凭据和成本上限纳入同一套可重复流程。
Kafka → Amazon Redshift 数据摄取 · 三方案对比与部署手册
三种方案:MSK 托管 + Redshift 物化视图(推荐)· 自建 Kafka(TLS)直摄 · Kafka→S3 Tables→Redshift 查询
用 Amazon Bedrock AgentCore 自动判定 AI 生成质量:从一道小学数学题说起
在许多团队引入生成式AI到内容生产流程时,都会遇到同一个问题,自动检查能确认答案、格式和结构是否正确,却无法判定过程性内容是否正确。 本文以一个K12备课场景为例,介绍一套把 “讲解质量” 转化为可判定断言的工程方法,并说明如何在Amazon Bedrock Agentcore上落地这套判定链路。全文围绕一道小学数学题展开。我们从这份产物出发,逐步拆解问题的性质、五步判定方法、AWS 能力对应、一个已跑通的 workshop 实测结果,以及这套方法的边界。
AWS 一周综述:由 OpenAI 提供支持的 Amazon Bedrock 托管代理、第三季度服务可用性更新、Kiro 工作流程等(2026 年 10 月 5 日)
由 OpenAI 提供支持的 Amazon Bedrock 托管代理、第三季度服务可用性更新、Kiro 工作流程等
宣布推出 AWS Well-Architected Agent,这是一款人工智能驱动的智能工具,可优化您的云环境(预览版)
今天,我们宣布推出 AWS Well-Architected Agent 的公开预览版,这是一项人工智能驱动的服务,可分析您的 AWS 环境,提供有针对性的上下文建议,进而提高应用程序的成本效益、安全性、性能和韧性。AWS Well-Architected Agent 可以分析您的基础设施,了解独特的业务目标,并提供上下文建议以及可立即实施的修复方案。该服务无需依赖人工审计或通用清单即可提供上下文感知优化。
借助 Amazon Bedrock 上的 GPT-6.1 Sol 为日常工作带来接近 Astra 水平的智能能力
即日起,GPT-6.1 Sol 在 Amazon Bedrock 上正式可用。该模型所依托的推理引擎专为满足大规模应用对性能、安全性和可靠性的要求而构建。作为 GPT-6 Sol 的重大升级版本,它在智能体编程、计算机操作和专业工作方面表现出色。据 OpenAI 介绍,它能为日常工作流提供接近 Astra 水平的智能能力。
LiteLLM + Amazon Bedrock AgentCore WebSearch 为 Agent 构建托管联网搜索(扩展篇)
本文是《Bedrock Claude + LiteLLM WebSearch Interception 配置指南》的扩展篇。上篇通过 LiteLLM 的 WebSearch Interception 功能 + 自部署 SearXNG,让 Bedrock Claude 获得了服务端联网搜索能力。本篇介绍另一条此后打通的路线:LiteLLM MCP 网关 + Amazon Bedrock AgentCore WebSearch(托管搜索),它在五个方面改进了上篇方案的限制与权衡,并额外支持 Claude Code 等 Agent 客户端以 MCP 工具方式接入。
Agent 安全框架设计建议:洋葱模型、零信任原则与 Amazon Bedrock AgentCore 实践
Agent 的行为可以是非确定性的,但包围 Agent 的身份验证、工具授权、凭证管理和运行时隔离必须是确定性的。本文旨在给出一个Agent的安全框架,并说明在亚马逊云科技的Bedrock AgentCore服务上如何实现这一安全架构。
AWS 一周综述:Amazon Bedrock 上的 GPT-6 Sol 和 Luna、Claude Opus 5.5,Strands 框架等(2026 年 9 月 28 日)
Amazon Bedrock 上的 GPT-6 Sol 和 Luna、Claude Opus 5.5,Strands 框架等(2026 年 9 月 28 日)
Laya 非自回归决策服务:本地验证与 Amazon SageMaker AI 部署实践
Laya multilingual checkpoint 可以在 Apple Silicon Mac 上运行,也可以通过 Linux 自定义推理容器部署到 Amazon SageMaker AI ml.m5.xlarge 实时端点。它与 Jev 属于同一类 typed-decision 模型,但提供 Apache 2.0 开放权重,可以在企业自己的 AWS 账户中托管。本文给出 FastAPI 封装、容器适配、启动时间、推理结果和 Amazon CloudWatch 指标。
完整代码位于 koljahuang/laya-local,包含本地 FastAPI 服务、SageMaker 自定义容器和部署验证记录。