Author: awschina

本文在亚马逊云科技中国区（宁夏）使用 llama.cpp 部署 Qwen3.6 系列大语言模型（27B Dense 和 35B-A3B MoE），对比了 Graviton4 ARM CPU、Intel x86 CPU 和 NVIDIA A10G GPU 三种硬件平台上 MTP (Multi-Token Prediction) 投机解码的实际加速效果，并给出了各芯片架构下的部署最佳实践。

Amazon Aurora PostgreSQL 大版本升级有多种方案可供选择。本文聚焦于手动蓝绿部署（Clone + 原生 Pub/Sub）方案，深入介绍如何利用 PostgreSQL 原生逻辑复制能力，以分钟级停机时间完成 Aurora PostgreSQL 大版本升级。
文中以 PostgreSQL 13 升级至 PostgreSQL 17 为例进行说明，相同步骤适用于其他 Aurora PostgreSQL 大版本升级组合（如 PG11→PG15、PG14→PG17 等）。本文还重点讲解针对高写入量表的并行订阅任务拆分技巧，以及完整的回滚保障机制。

本文以 Apache SeaTunnel AI CLI 项目为基础，通过 Amazon Bedrock 的统一模型访问层，对 7 个模型完成 100 个 ETL 任务的分层评测：不仅衡量配置生成和静态校验结果，也在真实数据环境中验证执行。实验显示，模型在静态校验阶段的表现不能直接预测其真实执行成功率。本文的目标不是给出一份通用模型排行榜，而是提供一套面向 AI 辅助 ETL 的评测与选型方法：团队应结合自身任务复杂度、运行时成功率、错误修复能力和总体成本，持续选择并验证最适合自身数据环境的模型组合。

通过 MCP 将 Web Search Tool 集成到 AgentCore Gateway，为 AI Agents 提供实时网络搜索能力。

Amazon EFS 不提供原生目录级配额能力。本文基于 AWS Lambda 双层 fan-out 架构与 Amazon EventBridge，给出按客户/项目两级目录粒度的存储用量监控方案，涵盖架构设计、完整代码、部署命令及成本分析。

飞书授权登录并非标准 OIDC，无法直接作为 Amazon Quick 的 IdP。本文介绍一个开源的全 Serverless 参考实现：用 Lambda + API Gateway 构建飞书 OIDC 适配器，KMS 非对称密钥签发 id_token，以 Cognito 为身份枢纽，实现 Quick Web 与 Desktop 的飞书统一单点登录。

本文将介绍 AI-DLC（AI-Driven Development Life Cycle）——亚马逊云科技于 2025 年提出的一套开发方法论——在数据工程场景中的落地实践。我们将通过两个真实案例，展示 AI-DLC 如何在分层建模和数据质量管理这两个数据工程核心场景中发挥价值。

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。

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。

本文分享在 Amazon EKS 上自建开源可观测性数据栈的完整实战：用 VictoriaMetrics、Grafana Loki、Grafana Tempo 分别承载指标、日志与链路，数据存入 Amazon S3 与 EBS gp3，通过 IRSA 安全集成。借助 OpenTelemetry Operator 实现存量微服务零代码接入，并在 Grafana 中打通 trace、log、metrics 三向一键关联，自动生成服务拓扑，显著提升故障排查效率。