博客 / 列表

亞馬遜雲開發者 - 使用Amazon Nova模型實現自動化視頻高光剪輯

本方案旨在利用Amazon自研的Nova多模態理解類模型（Vision‑Language Model，簡稱VLM）和多模態嵌入模型（Multimodal Embedding Model，簡稱MME），實現自動化的視頻高光識別與剪輯。輸入視頻文件，通過多模態模型理解或結合語義摘要與嵌入檢索實現素材定位，識別高光片段，併合成剪輯。 📢限時插播：無需管理基礎設施，利用亞馬遜技術與生態，快速集成與

人工智能

亞馬遜雲開發者 - 如何在亞馬遜雲科技部署高可用MaxKB知識庫應用

概述 MaxKB是一款基於RAG技術的開源知識庫問答系統，支持對接多種大語言模型，廣泛應用於智能客服、企業知識庫等場景。雖然MaxKB社區版提供了便捷的Docker快速部署方式，但企業在生產環境中需要更高的可靠性、安全性和運維便利性。 本文介紹如何基於亞馬遜雲科技託管服務構建高可用MaxKB應用架構。方案採用AmazonECS運行容器化應用，配合RDS PostgreSQL（含pgvector擴展

人工智能

亞馬遜雲開發者 - 使用Graviton機型推理LLM模型實踐指南

1. 背景介紹 在企業 AI 應用實踐中，並非所有任務都需要部署參數量數百億的大型模型。大量業務場景如工單分類與路由、客服評論情感分析、關鍵信息提取、實時文本翻譯等，屬於高頻但相對簡單的任務，這些場景對響應速度和成本更為敏感。Amazon Graviton 處理器與 Qwen3 0.6B 輕量級模型的結合，為這類場景提供了一個極具性價比的推理解決方案。 通過在多種實例類型上的全面測試，我們發現 G

人工智能

亞馬遜雲開發者 - Amazon Connect結合Strands框架及Bedrock Agent Core的智能客服機器人解決方案（實踐篇）

延續之前發佈的基於Bedrock和Amazon Connect打造智能客服自助服務設計篇，本博客將展示智能客服自助服務領域中如何利用Strands框架和Amazon Connect進行集成，同時結合Bedrock AgentCore Memory及Runtime功能的最佳實踐及解決方案技術框架。 📢限時插播：無需管理基礎設施，利用亞馬遜技術與生態，快速集成與部署生成式AI模型能力。

人工智能

亞馬遜雲開發者 - 從誤判到精準：遊戲社區 AI 審核的工程化實踐

引言 遊戲社區作為典型的 UGC（用户生成內容）場景，用户遍佈全球，涉及中、英、日、韓、俄、西班牙語、阿拉伯語、法語等多種語言。討論氛圍活躍，但其中不可避免會夾雜 辱罵、仇恨、色情、暴力、涉政 等違規言論。 平台需要在不傷害社區氛圍的前提下，做到及時、準確的內容審核。但傳統規則引擎容易出現“誤殺”或“漏判”，直接依賴大語言模型審核又存在準確率不高、分類不穩定的問題。 我們遇到的客户需求還有一些額

人工智能

亞馬遜雲開發者 - 利用Amazon Bedrock構建智能報告生成Agent

本文介紹通過Amazon Bedrock構建報告生成Agent，用在ESG報告生成場景。 背景 在全球可持續發展趨勢日益加強的背景下，環境、社會和公司治理(ESG)報告已從選擇性披露轉變為企業戰略必備要素。隨着全球主要金融市場監管機構和交易所逐步將ESG披露納入強制要求，企業面臨着前所未有的合規壓力與利益相關方期望。然而，高質量ESG報告的編制工作面臨兩大核心挑戰： 挑戰一：國際ESG框架的複雜

人工智能

亞馬遜雲開發者 - 深度探索：EKS MCP Server 與 Amazon Q Developer CLI 集成實踐

“又一次半夜被Kubernetes告警驚醒，我發現自己正在查閲第五個不同的文檔，試圖找出為什麼集羣中的一個關鍵服務突然不可用。”作為一名身處雲原生轉型前線的架構師，這樣的經歷對我而言曾是家常便飯。儘管Amazon EKS讓Kubernetes部署變得更簡單，但運維的複雜性和知識門檻仍然是許多團隊面臨的巨大挑戰。然而，亞馬遜雲科技最新推出的AI驅動運維工具徹底改變了這一現狀。在這篇文章中，我將分享

人工智能

亞馬遜雲開發者 - Serverless is all you need: 在亞馬遜雲科技上一鍵部署大模型API聚合管理平台OneHub

在AI 應用開發過程中, 開發者會使用到各大模型API, 只使用一家LLM provider 往往難以滿足需求, 而在接入多家API時, 我們往往會遇到如下問題: 各家LLM provider 的認證憑據不同, 需要進行集中管理. 不同 LLM provider 的API調用方式有差別, 會提升業務代碼的複雜度. 各個 LLM provider 的調用量和消費情況需要進行統計. 業務團

人工智能

亞馬遜雲開發者 - 新一代SageMaker+Databricks統一目錄：機器學習與數據分析工作流打通方案

前言 在數據驅動決策的時代，企業正面臨着兩大核心挑戰：如何打破數據孤島實現跨平台協作，以及如何在複雜技術棧中保持治理一致性。這些挑戰直接影響着企業從數據中獲取價值的能力和速度。 Databricks作為領先的數據分析和機器學習平台，已經幫助眾多企業實現了大規模數據處理和分析。與此同時，許多企業在亞馬遜雲科技雲上構建了完整的業務系統和機器學習工作流。如何讓這兩個強大的生態系統無縫協作，成為了釋放數

人工智能

亞馬遜雲開發者 - 雲原生遊戲網關架構：EKS + APISIX + Graviton 構建高性能遊戲服務網關

前言 在現代遊戲運營環境中，隨着遊戲服務器規模的不斷擴大，傳統的服務器代理方案面臨着諸多挑戰。本文將介紹如何使用 API Six 這一高性能網關來解決大規模遊戲服務器代理的問題，特別是針對需要使用多個 Network Load Balancer (NLB) 的場景，提供一個更加優雅和高效的解決方案。 在遊戲服務架構中，我們經常遇到以下幾個關鍵挑戰： 1、 服務器規模問題 隨着遊戲的成功運

API , 人工智能 , 雲原生

亞馬遜雲開發者 - Agentic AI基礎設施實踐經驗系列（七）：可觀測性在Agent應用的挑戰與實踐

一. 引言： 我們正處在一個由 AI Agent 驅動的範式轉換前夜。它們不再只是簡單的文本生成器，而是能夠理解複雜指令、自主規劃多步任務，並調用各類 API 與數字世界交互的“數字工作者”；在為大型語言模型增加“執行臂膀”後，Agent 正在成為企業應用中的“能力放大器”。 過去，當我們監控傳統微服務或 Web 應用時，“Metrics → Logs → Traces” 的可觀測模型已足夠應對

人工智能

亞馬遜雲開發者 - Agentic AI基礎設施實踐經驗系列（五）：Agent應用系統中的身份認證與授權管理

1. 引言 人工智能正經歷深刻變革。傳統AI多為被動工具，而隨着大型語言模型（LLM）和多智能體系統（MAS）的快速發展，AI Agent正向具有高度自主性的主動智能體（Agentic AI）演進。這些AI Agents能夠自主思考、規劃和執行復雜任務，甚至協同完成更復雜的目標。 這種演進帶來了前所未有的機遇，同時也引發了新的安全挑戰，特別是在身份認證與授權管理方面。近年來發生的多起安全事件充分

人工智能

亞馬遜雲開發者 - Agentic AI基礎設施實踐經驗系列（四）：MCP服務器從本地到雲端的部署演進

引言 隨着人工智能技術的快速發展，特別是大語言模型（LLM）的廣泛應用，Agentic AI（智能體AI）正在成為下一個技術熱點。在 Agentic AI 的工作流程中，AI 智能體需要調用各種外部工具來擴展其能力邊界——從數據庫查詢到 API 調用，從文件操作到複雜的業務邏輯處理。 許多推理框架和Agentic AI框架提供了內置工具以供大語言模型使用，而為了標準化 AI 模型與外部工具之間的

人工智能

亞馬遜雲開發者 - Agentic AI基礎設施實踐經驗系列（三）：Agent記憶模塊的最佳實踐

本文將深入探討 Agent應用中的記憶需求、記憶類型、技術組件和主流開源框架，並介紹基於亞馬遜雲科技的數據產品自行構建記憶模塊，以及基於Agent構建平台Bedrock AgentCore的Agent memory的託管方案。 前言 當前大語言模型的困境 大語言模型在處理和生成文本方面表現出色，但它們在本質上是無狀態（stateless）的。這意味着每次與LLM的交互都是獨立的，模型本身不會“記

人工智能

亞馬遜雲開發者 - 從 0 到 1 教你在亞馬遜雲科技中部署動態網站 Typecho 系統

Typecho 是使用 PHP 語言開發的一套博客程序，同時也支持多種數據庫(Mysql, PostgreSQL, SQLite)，本篇文章將演示部署 Typecho 到 aws 上的過程。 在部署之前需要了解所需要的依賴 EC2（亞馬遜彈性雲計算，Elastic Cloud Compute，簡稱 EC2） RDS（亞馬遜關係型數據庫服務，Relational Database Servic

typecho , php , 亞馬遜

亞馬遜雲開發者 - 探索 Amazon Q Developer 那些有趣的功能

我在 McKinsey 2024 年 5 月 30 日提供的一項名為“The state of AI in early 2024-Gen AI adoption spikes and starts to generate value”的調研中讀到這麼一句話：人工智能在組織中最常見的兩個使用職能是：“市場營銷和銷售”以及“產品和服務開發”，這兩個職能是之前的研究確定採用人工智能可以產生最大價值的職能

人工智能 , ide

亞馬遜雲開發者 - Agentic AI基礎設施實踐經驗系列（一）：Agent應用開發與落地實踐思考

在過去的短短几年內，基礎模型(FMs)已經從直接用於響應用户提示創建內容，發展到現在為AI Agent提供動力。AI Agent是一類新型軟件應用，它們使用基礎模型來推理、規劃、行動、學習和適應，以追求用户定義的任務目標，同時只需要有限的人工監督。AI Agent由基礎模型驅動，其不確定性和非預定義邏輯的運行機制，為開發者帶來了全新的應用開發和運維範式。基於在多個項目中積累的Agent應用

人工智能

亞馬遜雲開發者 - 使用智能代理在亞馬遜雲科技無服務器架構上進行源代碼分析

摘要 隨着軟件開發規模的不斷擴大和代碼複雜性的增加，傳統的代碼分析方法已經無法滿足現代開發團隊的需求。本文探討了如何利用生成式人工智能代理（GenAI Agent）結合亞馬遜雲科技無服務器架構來構建高效、可擴展的源代碼分析平台。我們通過多個基於生成式AI智能體的代碼分析項目實施案例總結了在亞馬遜雲環境中部署智能代碼分析解決方案的最佳實踐和通用設計模式。 📢限時插播：無需管理基礎設施，利用亞

人工智能

亞馬遜雲開發者 - Amazon Lightsail 宣佈為域註冊和 DNS 自動配置提供支持

您現在可以在 Amazon Lightsail 上註冊域名和自動配置域名系統 (DNS)。 對於需要安全、高性能且可靠的虛擬專用服務器 (VPS) 解決方案的用户來説，Amazon Lightsail 是開始使用亞馬遜雲科技的一種最簡單方法，它具有簡單的管理界面和可預測的定價。 通過增加域註冊，Lightsail 用户能夠為他們的網站或 Web 應用程序創建一個獨一無二的在線地址，在互聯網上彰顯自

amazon-lightsail , dns , VPS , cli

亞馬遜雲開發者 - 使用 Amazon VPS 探索存儲選項：實用指南

文章作者：Libai 在這個數字化時代，雲計算已經成為了企業的必需品，它為我們帶來了可擴展性、靈活性和成本效益。作為一家領先的雲服務提供商，亞馬遜網絡服務（Amazon Web Services）提供了各種各樣的服務，以滿足不同的業務需求。其中，亞馬遜雲科技的一項關鍵服務就是虛擬專用服務器（VPS），它允許我們在雲端部署和管理虛擬服務器。本文將帶你一起探索Amazon VPS所提供的各種存儲選項，

sdk , 雲計算 , VPS , Python

亞馬遜雲開發者 - Lightsail VPS 實例在哪些方面勝過 EC2 實例？

文章作者：Libai 引言 Lightsail VPS實例和EC2實例是雲計算領域中兩種受歡迎的技術。雖然兩者都提供虛擬服務器解決方案，但瞭解Lightsail VPS實例在哪些方面勝過EC2實例非常重要。在本文中，我們將探討這兩種技術之間的關鍵區別，並突出使用Lightsail VPS實例的優勢。 亞馬遜雲科技開發者社區為開發者們提供全球的開發技術資源。這裏有技術文檔、開發案例、技術專欄、培訓視

amazon-lightsail , VPS , amazon-ec2

亞馬遜雲開發者 - 發揮雲計算潛力：Amazon Lightsail 與 Amazon EC2 的綜述

文章作者：Libai 歡迎來到雲計算世界，這裏有無數的機會和無限的應用程序增長。 在當今的數字時代，企業可能會發現管理基礎架構和擴展應用程序具有挑戰性。 傳統的本地解決方案需要大量的硬件、軟件和維護前期投資。 要滿足不斷增長的需求，擴展應用程序通常是一個困難且耗時的過程。 高可用性、安全性和合規性是企業的額外要求，這增加了複雜性和成本。 亞馬遜雲科技開發者社區為開發者們提供全球的開發技術資源。這裏

amazon-lightsail , 雲計算 , API , VPS , amazon-ec2

亞馬遜雲開發者 - 誰可以從使用 Amazon Lightsail 進行 VPS 託管中受益？

文章作者：Libai 介紹 在當今數字化的環境中，擁有可靠和高效的託管解決方案對於企業和個人來説至關重要。由於其靈活性、可擴展性和成本效益，虛擬專用服務器（VPS）託管已經在市場上獲得了巨大的流行。Amazon Lightsail正是市場上備受矚目的一種VPS託管解決方案。 亞馬遜雲科技開發者社區為開發者們提供全球的開發技術資源。這裏有技術文檔、開發案例、技術專欄、培訓視頻、活動與競賽等。幫助中國

amazon-lightsail , VPS

亞馬遜雲開發者 - 通過簡單的代碼，快速完成數據分析智能體方案的構建

背景 在電商和遊戲等數據密集型行業中，業務人員經常需要快速獲取數據洞察及時應對運營策略的變化，例如轉化率，下單率，付費玩家的等級分佈變化等等問題。這些問題往往需要涉及複雜的SQL查詢。傳統方式主要依賴技術人員手動的查詢語句，或者使用固定報表，整體靈活性較差。非技術人員希望可以通過自然語言完成數庫查詢的工作，提高數據獲取的效率和靈活性。本文將介紹如何通過Bedrock AgentCore Runti

人工智能