Amazon Bedrock 成本管理指南:FinOps 和平台团队操作手册
Amazon Bedrock 成本管理强调应用构建团队和云支出责任团队的共同责任。本文提供五步操作手册,包括成本归属、请求观察、预算控制、平台默认优化和审查周期,帮助FinOps和平台团队有效管理成本。通过细粒度成本归属、用户会话管理和预算控制,实现成本透明度和优化。
Amazon Bedrock 成本管理强调应用构建团队和云支出责任团队的共同责任。本文提供五步操作手册,包括成本归属、请求观察、预算控制、平台默认优化和审查周期,帮助FinOps和平台团队有效管理成本。通过细粒度成本归属、用户会话管理和预算控制,实现成本透明度和优化。
Microsoft Research Focus #97 介绍了多项AI研究进展,包括ForkPilot自改进框架,通过回溯决策提高AI代理的可靠性和效率;CABRA框架帮助理解编码代理的成功与失败;TeleTune框架通过活动日志提升AI代理技能;以及Copilot在不同行业的使用差异分析。
Kiro,一款集成了AI的IDE,可帮助开发者将PHP应用程序迁移到Java,提高类型安全性和可扩展性。该工具采用可重复的工作流程,包括一个可重用的引擎和八个阶段的工作流程,确保Java端口的正确性。Kiro支持两种运行方式:交互式和自动化,适用于单个应用程序或大规模迁移。
英国亚马逊快速用户组在2026年举办了三次季度会议,吸引了超过150名参与者。用户组通过实际操作和经验分享,使用亚马逊快速工具解决数据混乱问题,提高决策速度和满意度。会议内容包括构建自定义聊天代理、使用亚马逊快速桌面、开发Web应用程序等。用户们分享了如何利用亚马逊快速工具改善数据驱动文化,提高决策效率。
AWS 发布了 Ray Train 深度学习容器(DLC),用于在 EKS 上进行分布式训练,本文介绍了如何使用这些工具进行 PyTorch 训练的配置和使用。
推荐理由:本文介绍了如何使用 AWS 的 Ray Train 深度学习容器(DLC)在 EKS 上进行分布式训练,读者可以了解如何配置和使用这些工具来优化 PyTorch 训练过程。
Property Finder 发现其评估标签存在偏差,导致模型比较失去有效性。通过在 Amazon Bedrock 上应用进化提示优化,实现了更高的准确性和更低的成本。
推荐理由:Property Finder 通过识别评估偏差、构建无偏见的真实标签和应用于 Amazon Bedrock 的进化提示优化,实现了更高的准确性和更低的成本。读者可以从中学习到如何在自己的工作负载中应用这些方法。
本文介绍了如何使用 AWS Cloud Development Kit (AWS CDK) 在 Amazon Bedrock 知识库上构建智能体检索系统,包括如何实现多知识库语义路由、推理智能体、七层可观察性和按需及持续评估。
推荐理由:原文详细介绍了如何使用 AWS CDK 在 Amazon Bedrock 知识库上构建智能体检索系统,对想要了解该技术的人具有参考价值。
Amazon SageMaker AI 推出多轮强化学习功能,通过实际案例和操作指南,帮助读者了解如何使用该技术提升模型性能。
推荐理由:本文详细介绍了如何在 Amazon SageMaker AI 上进行多轮强化学习,并提供了实际操作指南,读者可以学习如何使用 MTRL 技术提升模型性能。
Amazon QuickSight 层地图新增支持 GeoJSON 格式绘制点和路线,包括点地图、填充地图和层地图,帮助企业分析地理位置相关数据,如区域表现和客户集中度。GeoJSON 文件描述几何形状,QuickSight 数据集提供指标和维度,通过共享键连接两者。支持点(标记具体位置)和线字符串(追踪位置间路线)两种几何类型。
AWS CloudFormation 或 AWS CDK 更新 SageMaker AI 实时端点配置时,需先注销可伸缩目标。本文介绍了如何使用 CDK 构造和 AWS CloudFormation 自定义资源来自动管理注销和注册自动扩展,实现端点更新时的自动扩展配置更新,无需手动干预。
IskayPet 利用 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手,解决跨语言、跨国家运营中的知识检索难题。该助手基于 Claude Haiku 4.5 模型,无需管理 RAG 基础设施,支持四语言、三国家运营,并有效利用 SharePoint 权限。
Rescale 使用 AWS 的 AI-Driven Development Lifecycle (AI-DLC) 框架,在五天内从问题定义到部署,并在几周内投入生产,构建了一个智能分类代理,以自动化分类和路由每晚的端到端测试失败。该代理使用 Claude Opus 4.8 进行分类,并通过 Model Context Protocol (MCP) 查询日志,生成结构化的修复报告。
OpenAI 对 FDE(前向部署工程)进行了解释,强调其旨在通过将模型部署到实际应用场景中,以优化模型性能和用户体验。
AWS PrivateLink 通过建立私有网络连接,确保企业数据在 AWS Quick 中访问时不会暴露在公共互联网上,降低攻击面,提供低延迟连接,并支持合规审计。Quick 提供两种数据访问路径:用户界面流量通过 VPC 端点处理,数据提取流量通过 VPC 连接处理,支持连接到企业内部数据库和知识库。
美国饥饿组织利用 Amazon Quick 直接探索组织数据,通过共享定义和财务信息,提高决策效率。Quick Spaces 功能帮助领导团队共同管理组织,通过共享 KPI 定义和财务文档,实现更高效的协作。组织已为 17 位同事提供 Quick 访问权限,CEO 主要使用 Quick 的聊天和 Spaces 功能。
summary_zh: 1. Qwen3模型在AWS Trainium上通过torchtitan进行训练,支持预训练和微调。 2. 使用torchtitan的Transformers v5作为后端,可直接读取和写入Hugging Face Hub上的safetensors。
GitHub Copilot 通过提供代码生成和分析功能,帮助 Java 开发者提高工作效率。例如,Vlad Mihalcea 使用 Copilot 在两天内完成了原本需要数周的任务。开发者通过创建自定义技能和调整模型类型来确保生成的代码符合个人风格和项目需求。
微软研究实验室Catalyst Lab负责人Chris White分享了他的职业生涯经历,从哈佛博士后到在阿富汗战争中担任高级技术负责人,再到成为黑暗网络搜索工具的先驱,他致力于利用技术解决现实世界问题。他的工作在《大众科学》杂志上有所报道,并获得了2016年总统奖。
OpenAI GPT-5.6、GPT-6 和 GPT-6.1 模型现可通过 Amazon Bedrock 在加拿大区域进行跨区域推理访问,支持推理处理在北美地区进行,并提供了多种模型配置和跨区域推理配置选项。
Strategy Mosaic 作为语义层,基于Amazon Redshift和Amazon Aurora构建C360域,无需ETL。Mosaic的指标语法捕捉业务定义,并通过Mosaic MCP服务器暴露给AgentCore上的Strands智能体。支持多种协议和认证数据源,包括Snowflake、Databricks、Amazon RDS、Oracle、SQL Server等。
AWS Agent Registry 是一款用于管理、发现 Model Context Protocol (MCP) 服务器、智能体和智能体技能的托管服务。它允许智能体在运行时发现相关工具,从而提高企业软件的效率。通过语义搜索,智能体可以找到经过注册和批准的记录,并使用返回的端点和描述内容构建客户端。这种运行时发现的方式避免了硬编码工具,减少了代码更改和重新部署的需求。
OpenAI 通过对软件工程、SQLite 和 COBOL 迁移的新评估,提升 ChatGPT 在低资源编程语言中的编码能力。
AWS SageMaker Studio 现已集成更新后的 AWS 登录和注册体验,新用户可通过 Google、GitHub、Apple、Amazon 或电子邮件地址快速注册并开始使用 SageMaker Studio。
GitHub Copilot 应用支持在 VS Code 中直接打开并继续会话,用户可审查、修改代码,并在本地测试,最后将更新推送到相关拉取请求。教程详细介绍了如何打开 Copilot 会话、审查变更、进行手动编辑、本地测试以及提交更改。
OpenAI 推出巴西葡萄牙语教育模式,Study Mode 功能支持教师引导学生主动式学习,提升教学互动性。
Amazon SageMaker JumpStart 提供预训练模型库,支持模型部署和性能测试。用户可通过 SageMaker Python SDK 运行测试,并从 Hugging Face 模型发现直接部署到 SageMaker。2026年,JumpStart 引入模型发现和部署改进,简化流程。
Amazon Bedrock with managed entitlements 通过 AWS License Manager 激活 AWS Marketplace Private Pricing Offer (MPPO) 授权,简化多账户访问第三方 AI 模型,支持一次性轻量级脚本和持续事件驱动的自动化处理,提高定价协商速度和一致性,并记录审计日志。
AWS SageMaker AI对融合MoE模型进行了内核优化,包括Swap-AB优化、FP8张量量化后端路由优化和Triton JIT重编译消除,以提高性能和效率。
推荐理由:原文详细介绍了针对融合MoE模型的内核优化,读者可以了解这些优化如何提升性能和效率。
summary_zh: - Llama.cpp 在 Amazon SageMaker AI 上部署决策模型,支持在 CPU 或 GPU 基础设施上托管量化模型。
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构,让多个团队共享同一 GPU 集群。
AWS 设计了一个为期六周、每周约四小时的结构化项目,让非工程背景的业务人员用 Amazon Bedrock AgentCore、Strands Agents SDK 和 Amazon Nova 模型动手构建 AI 原型。
针对 AWS DevOps Agent 仅处于"观察并报告"模式、不直接改动生产资源的问题,该方案用 Amazon EventBridge 接收调查完成事件,触发 AWS Lambda Durable Functions 调用 Amazon Bedrock 分析根因并从预审工具白名单中提出修复动作。
AWS 提出 Agentic Value Model,用于替代 RPA 时代"节省工时×人力成本−建设成本"的 ROI 模型,从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量 agentic automation 的价值。
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统还把手动生命周期操作从 10 多步压缩为 1 次交互,并将冗余告警中位数削减 65%。三人团队用六个月完成交付。
基于开源智能体系统 OpenClaw 与 Amazon Bedrock AgentCore runtime,可搭建具备持久记忆的上下文感知 AI 助手,AgentCore memory 将一次性对话转为长期知识,并支持结构化元数据检索。
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Amazon Bedrock Knowledge Bases,可构建航空语音旅行助手,让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
AWS 发布 Amazon SageMaker HyperPod 管理与治理最佳实践,提出组织、项目、集群、工作负载四层控制模型,用于多团队共享加速计算集群时的权限与容量管理。
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 已上线 AWS GovCloud (US) 区域的 Amazon Bedrock,为 ITAR 等合规工作负载提供 AI 辅助开发通道。
Amazon Quick 控制台不支持将用户从 Admin 直接降为 Reader、或从 Author 直接降为 Reader,update-user API 也会以“You cannot downgrade a user role”报错拒绝。
Amazon Bedrock Managed Knowledge Base 现已支持智能体检索,通过 AgenticRetrieveStream API 将多部分问题拆解为子查询、循环规划并流式返回 trace 事件,而 Retrieve API 仅执行单次混合搜索。