亚马逊AWS官方博客

本文为您详细介绍如何通过 Bootstrap Action 在新Amazon EMR集群的 Core 节点上自动安装完整的 Flink Client 工具链，整个方案遵循”一次打包、多次复用”的原则，只要 EMR 版本不变，打包产物可以在后续所有集群创建时重复使用，无需重复操作。

Amazon Connect 内置报表灵活度有限，尤其难以呈现 Contact Flow 中的自定义属性数据。本文演示了一条零 ETL 的全链路方案：启用 Connect 分析数据湖，跨账号分享至客户账号，在 Lake Formation 中创建 Resource Link 并管理权限，然后通过 Athena 接入 Amazon Quick 构建可视化 Dashboard。更进一步，利用 Quick 的 Q 功能实现自然语言生成图表，并通过 Chat Agent 让业务人员以对话方式直接获取数据洞察，将数据湖从技术资产转变为全组织可用的智能分析平台。

本文介绍了如何通过三个 AI Agent Skill 降低混沌工程的实践门槛。传统方式下，AWS FIS 学习曲线陡峭且缺乏应用层观测能力。通过将专业知识封装到 Agent 中，工程师只需描述测试意图，即可自动完成故障注入、日志采集和智能分析的完整闭环，让混沌工程从”专家专属”变为”人人可做”。

本文将分享如何将 AWS DevOps Agent 与 GitHub 深度集成，构建一个从代码提交、CI/CD 部署到 事件自动调查的端到端闭环。通过配置 GitHub Webhook，当部署失败时事件会自动触发 DevOps Agent 调查，Agent 会自动关联代码变更、部署历史和运行时数据，快速定位根因并给出缓解建议。

AWS RTB Fabric是一项专为实时竞价(RTB)广告工作负载设计的全托管服务。该服务帮助广告技术公司通过三个简单步骤，在专用网络上连接合作伙伴（如Amazon Ads、GumGum、Kargo、MobileFuse、Sovrn、TripleLift、Viant、Yieldmo等），实现高容量、低延迟的RTB工作负载运行。

本文围绕 AI Agent 在多客户、多 Agent 协作场景下的”记忆困境”，介绍基于 Amazon AgentCore Memory 的 OpenClaw 企业级共享记忆插件 memory-agentcore，逐一拆解记忆系统的五个核心问题：记什么（Amazon AgentCore 4 策略自动提取 + 本地三层噪音预过滤）、怎么存（Event → Memory Record 的全托管数据路径）、怎么找（auto-recall 自动召回 + 肘点算法分数间隙过滤）、谁能看（层级命名空间 + actorId 驱动的最小权限隔离）、怎么管（8 个 Agent 工具 + 9 个 CLI 命令的全生命周期管理）。架构基于 Amazon Bedrock AgentCore Memory 构建，采用三层记忆模型（上下文层 / 本地记忆层 / 云端共享层）叠加设计，在面客模式下通过 peerId 实现记忆按客户自动隔离、跨 Agent 天然共享。

本文探讨如何将 OpenClaw 从个人 AI 助手转型为面向客户的服务Agent。围绕五个核心问题展开：会话隔离（dmScope 配置实现多客户 session 独立）、多渠道接入（Web Widget 与消息平台的身份关联）、安全模型（tools.deny 硬约束 + Bedrock Guardrails 内容过滤的双层防护）、知识库注入（Bootstrap 文件 + Amazon Bedrock Knowledge Bases 的 RAG 检索）、以及客户记忆的局限与演进方向。部署架构基于 AWS，采用 ALB + ECS 认证中间层 + 私有子网 Gateway 的分层设计，通过 VPC Endpoint 调用 Bedrock、AgentCore 等服务，兼顾安全隔离与低延迟。

Kiro 是 AWS 推出的 AI 原生 IDE，除了代码生成，它还能通过 Skill 机制让 AI Agent 学会任意工作流。本文以”会议录音自动转会议纪要”为例，手把手带你构建一个 Kiro Skill，实现一条指令将一小时的会议录音变成结构化的会议纪要和工作日报。同时介绍 Kiro 的四大扩展机制（Steering、Skills、Powers、Hooks）的定位与区别，帮助你选择合适的方式扩展 Kiro 的能力。

CI&T联合AWS打造的智能运维解决方案，针对全球IoT业务面临的跨区域运维复杂性挑战，采用Multi-Agent协作架构设计。通过Supervisor Agent统筹调度五大专业Agent(FinOps、Platform Ops、Security Ops、Connectivity Ops、BizOps)，结合Skills技能化封装和自动巡检体系，基于Amazon Bedrock AgentCore的Serverless部署，实现从”被动响应”到”主动发现”的智能化运维转型，显著提升运维效率并降低成本。

本文完整记录了在 AWS EC2（Amazon Linux）上安装 Hermes Agent，通过 LiteLLM 代理 Amazon Bedrock 模型、连接消息平台（如飞书），并配置多市场金融数据源（A 股、美股、港股、外汇）和投研 Skill 的全过程。Hermes Agent 在本文写作时的版本（v0.8.0）尚未原生支持 Bedrock，本文通过 LiteLLM 代理提供了一个实际验证过的接入方案。所有数据源均基于开源免费接口，可直接复现。