亚马逊AWS官方博客
Habby 游戏借助 AWS DevOps Agent 实现智能运维最佳实践
Habby(海彼游戏)是一家全球知名的休闲游戏发行商,代表作包括《弓箭传说》、《弹壳特攻队》、《GO!卡皮巴拉》等。公司拥有全球数亿玩家,运行在AWS上的后端基础设施按游戏多账户管理。
Habby 作为 AWS DevOps Agent 的早期采用者,通过深度集成Grafana、GitHub、飞书等工具,构建了一套适合游戏行业的智能运维方案,从而更好的应对流量波动、延迟敏感、版本更新频繁的运维要求。本文将介绍 Habby 游戏使用DevOps Agent的最佳实践,为行业客户提供有价值的落地经验。
别让你的 Amazon Bedrock 模型为他人”打工”——API 调用安全防护指南
本文针对 Amazon Bedrock 模型调用面临的凭证泄露风险,从三个层面提供安全防护指南:凭证管理(IAM Role、AssumeRole 分层授权、避免硬编码)、访问控制(IP 限制、VPC Endpoint、SCP 组织级管控)、持续监控(Budgets 费用告警、CloudWatch 指标、CloudTrail 日志审计),帮助客户构建纵深防御体系,防止未授权调用导致的异常费用。
Amazon Bedrock 推出新的高级提示优化和迁移工具
今天,我们宣布推出 Amazon Bedrock Advanced Prompt Optimization,这是一款新工具,可用于优化 Amazon Bedrock 上任何模型的提示,同时将原始提示与最多 5 个模型的优化提示进行比较。通过新的提示优化,您可以迁移到新模型或提高当前模型的性能。您可以对提示进行测试,确保在已知使用案例中看不到这些提示的任何回归,还可以改进性能不佳的任务。
基于 Prowler 与 GenAI 构建金融行业智能合规中枢
本文提出了一套专为跨境金融机构打造的智能合规中枢架构方案,旨在解决面对多重监管框架(如 PCI DSS v4.0、MAS TRM-G、DORA 等)时由于重复审计、术语壁垒和修复滞后带来的“规模化合规难题”。
Amazon Redshift 推出带有集成数据湖查询引擎的基于 AWS Graviton 的 RG 实例
今天,我们宣布推出 Amazon Redshift RG 实例,这是一个由 AWS Graviton 提供支持的新实例系列。RG 实例提供更好的性能,运行数据仓库工作负载的速度最高可达 RA3 实例的 2.2 倍,而每个 vCPU 的价格则低 30%。借助这些实例的集成数据湖查询引擎,您可以通过单个引擎在数据仓库和数据湖中运行 SQL 分析,其性能最高可达适用于 Apache Iceberg 的 RA3 的 2.4 倍,速度最高可达适用于 Apache Parquet 的 RA3 的 1.5 倍。 Redshift RG 实例集速度、成本效率和集成数据湖查询引擎于一身,非常适合处理当今分析和代理式人工智能工作负载的高查询量和低延迟要求。
自己的工具自己控:MCP Server、Amazon Bedrock AgentCore、Quick Suite集成指南
本文以将飞书(Lark)能力封装为 MCP Server 为例,演示如何通过 Amazon Bedrock AgentCore Gateway 实现统一鉴权与路由,将自建 MCP Server 部署到 AgentCore Runtime,并最终接入 Amazon Quick Suite 的 Chat Agent。六步走通 Cognito 认证、Gateway创建、容器化部署、Target 注册、端到端验证到 Quick Suite集成的完整链路,让你的自定义工具稳定运行在自己的云账户中,用自然语言即可调用,数据全程不经过任何第三方。这套模式可复制到Jira、Jenkins、数据库等任意内部系统,真正实现”自己的工具自己控”。
航班变更信息智能识别解决方案
本文详细介绍了如何基于Nova模型和Strands Agents开源框架,构建一套高效、精准且易于扩展的智能航班变更信息识别系统。通过将复杂的航班变更邮件解析为结构化的JSON数据,解决了传统人工处理成本高、规则引擎维护难、传统机器学习泛化能力弱等痛点。在部署和运维方面,充分利用了Bedrock AgentCore提供的无服务器托管能力、全链路的可观测性以及无监督的结果评估,形成持续迭代闭环。
AWS 一周综述:Amazon Bedrock AgentCore 付款、适用于 AWS 的 Agent 工具套件等(2026 年 5 月 11 日)
Amazon Bedrock AgentCore 付款、适用于 AWS 的 Agent 工具套件等
在 macOS 上用 AI Coding 搭一个隐私优先的会议纪要助手
两行命令,一个晚上,把任意会议变成结构化纪要——全程只用你自己的 AWS 账号,不登录第三方、不往会议里塞 bot。
基于 Amazon Kinesis Data Streams 实现 DynamoDB 历史数据清理与增量同步
本文介绍了一种基于 Amazon Kinesis Data Streams、AWS Lambda、AWS Glue 和 Amazon S3 的完整方案,帮助企业客户在不停机的前提下,对 Amazon DynamoDB 表进行历史数据清理、TTL 自动过期配置,并通过 Kinesis 实现增量数据的无缝同步,最终将过期数据归档至 Amazon S3 智能分层存储以降低长期成本。