Amazon SageMaker AI 推出用于模型自定义的人工智能代理体验

发布于: 2026年5月4日

Amazon SageMaker AI 现推出一种代理式体验，可将模型自定义从耗时数月的过程转变为仅需数天或数小时即可完成的工作流程。构建人工智能解决方案的客户需要精心制定其使用案例目标和成功标准，准备数据，选择正确的模型，使用各种模型和微调技术配置、运行和分析多个实验。一旦确定了符合成功标准的合适候选模型，他们就需要找出最具成本效益的方法来部署模型。在整个工作流程中，客户需要处理无差别的繁重工作，即设置基础设施以训练和部署模型。现在，这项新功能使开发人员能够使用自然语言与编码代理进行交互，从而简化从使用案例定义到高质量模型生产部署的整个过程。

该代理式体验基于 SageMaker AI 模型自定义代理技能，可提供以下方面的专业知识：应用于构建者特定使用案例的微调、向所需数据格式的转换、使用 LLM-as-a-judge 指标进行全面质量评估以及对 Amazon Bedrock 或 SageMaker AI 端点的灵活部署选项。客户可以将这些技能安装在他们选择的任何 IDE 中，例如 Visual Studio 和 Cursor。开发人员可以使用包括 Kiro、Claude Code 和 CoPilot 在内的多种编码代理，以优化 Amazon Nova、Llama、Qwen 和 GPT-OSS 等热门模型系列。该体验通过集成到 AIOps 管道来生成可重用、可编辑的代码构件，以实现透明度、可再现性和自动化。

使用 sagemaker-ai agent plugin，在您常用的 IDE 中安装 SageMaker AI 技能。SageMaker AI 模型自定义技能在 SageMaker Studio Notebooks 中提供并预装，并配有 Kiro 编码代理。您只需注册以订阅 Kiro，在 Studio Notebooks 中打开聊天窗口，然后开始与代理聊天即可构建工作流程。该体验支持高级自定义技术，包括用于指令调整的有监督微调、用于调整语气和偏好选择的直接偏好优化，以及适用于可验证正确性使用案例的强化学习。

要了解有关使用 Amazon SageMaker AI 中的人工智能代理体验进行模型自定义的更多信息，请访问 SageMaker 模型自定义文档。

美国东部（弗吉尼亚州北部）– us-east-1

欧洲地区（爱尔兰）– eu-west-1

美国西部（俄勒冈州）– us-west-2

亚太地区（东京）– ap-northeast-1