Category: Artificial Intelligence

随着大语言模型（LLM）的快速发展，模型规模不断增大，对推理部署的要求也越来越高。在实际项目中，如何高效地在GPU集群上部署和优化大模型推理，已经成为AI基础设施团队面临的核心挑战之一。本文基于多个实际项目的经验积累，系统性地介绍大模型推理部署的方法论、部署方案选型、性能调优以及常见问题的解决方案。

一键 Lambda 设置提示、Bedrock 上的 OpenAI GPT-5.6 模型等

如何让 Amazon Quick 的 Chat Agent 不止停留在控制台，而是嵌入自有业务页面、与页面操作联动？本文系统介绍一键式嵌入与 SDK ▎ 嵌入两种方式的原理、安全模型、实现步骤与选型，并附实践避坑指南。

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。

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

今天，OpenAI 的 GPT-5.6 Sol、Terra 和 Luna 在 Amazon Bedrock 上正式推出，将 OpenAI 迄今最智能的模型系列引入 Amazon Bedrock 专为高性能、安全性和可靠性而打造的下一代推理引擎。GPT-5.6 为智能与效率树立了新标准，让您能在更短时间内以更高的每 Token 智能水平解决更复杂的问题。定价与 OpenAI 官方价格一致，用量计入您现有的 AWS 承诺用量。

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。