亚马逊AWS官方博客

这篇文章详细记录了这段实践经验。将在本文中核心讲述 （1）传统 SDLC：人驱动一切，AI 只是补全代码的工具；（2）AI-DLC：AI 是核心协作者，人做关键决策；（3）Apache Way：Community Over Code，集体共识决策。揭示出软件工程的重心正在从生产力向判断力迁移，而开源治理模型，可能是这条进化之路上最古老也最前沿的答案。

今天，我们宣布：Amazon WorkSpaces 现在支持人工智能代理在不进行应用程序现代化改造的情况下安全操作桌面应用程序。数百万员工使用和信赖的托管虚拟桌面如今同样可为人工智能代理提供服务，从而将 WorkSpaces 转变为提升企业生产力的基础设施，而不仅仅是交付产品。由于代理在现有的 WorkSpaces 环境内运行，因此无需开发 API、无需规划应用程序迁移，也无需管理新的基础设施。

2026 年 What’s Next with AWS、Amazon Quick、OpenAI 合作伙伴关系等

本文以一套典型的 IDC 三层 CRM 系统迁移到亚马逊云科技为例，对比了 “传统手工操作” 与 “AI Agent 辅助” 两种迁移方式。在本案例场景下，端到端迁移耗时从约 218 分钟压缩至约 55 分钟，工程师的实际动手时间从全程参与降至约 15 分钟。本文将详细拆解测试流程、技术细节与适用边界，供读者判断 AI Agent 在自身迁移场景中的适用性。

本文面向已部署 AWS Direct Connect 高可用方案的客户，系统性地介绍负载均衡与主备两种场景下专线故障演练的最佳实践，通过 CloudWatch 监控、BGP Failover Test 与 AWS Fault Injection Service 三种手段，帮助客户周期性验证混合云连接的切换能力，确保业务在真实故障中稳定可持续运行。

今天在 What’s Next with AWS 上，AWS 首席执行官 Matt Garman、Amazon […]

AI Agent 正在将软件从执行预定义逻辑的应用，转变为基于目标进行动态决策与行动的系统。这一变化为开发者带来更强能力的同时，也引入了新的工程挑战。 本文从开发者视角出发，解析 Agent 与传统应用在执行模型与系统结构上的差异，并结合云原生实践，探讨在生产环境中构建可扩展、可控的 Agent 系统时需要关注的关键问题，包括隔离、状态管理与成本控制。

我们希望用一个详细的案例来解读亚马逊云科技的 CUR（Cost and Usage Report，成本及用量报告）报告，并且分享一些 CUR 可视化的思路。

Data for AI系列blog第一篇，以爆火的OpenClaw为例，解析Token爆炸根因，深入研究OpenClaw记忆和Skill管理机制的实现，给出AI Agent如何通过优化可观测性，记忆和Skill管理从而减少Token浪费的方法论，最终实现降本增效的目的

Anthropic 和 Meta 的合作伙伴关系、AWS Lambda S3 Files、Amazon Bedrock AgentCore CLI 等