Author: awschina

本文完整记录了在 AWS EC2（Amazon Linux）上安装 Hermes Agent，通过 LiteLLM 代理 Amazon Bedrock 模型、连接消息平台（如飞书），并配置多市场金融数据源（A 股、美股、港股、外汇）和投研 Skill 的全过程。Hermes Agent 在本文写作时的版本（v0.8.0）尚未原生支持 Bedrock，本文通过 LiteLLM 代理提供了一个实际验证过的接入方案。所有数据源均基于开源免费接口，可直接复现。

AWS Security Agent 提供按需渗透测试（On-demand Penetration Testing）功能，通过 AI 智能体对运行中的 Web 应用进行多步骤攻击链测试，发现和验证安全漏洞。本文通过一个完整的实操案例，演示如何配置 AWS Security Agent、创建渗透测试并查看发现结果，覆盖整个流程的每一步操作和参数说明。

企业数据分析中，LLM 直接生成 SQL 面临不可复现、不可审计、不可收敛三大挑战。本文提出基于 Strands Agents SDK 和 Amazon Bedrock 的三层确定性架构：语义层将业务术语映射为标准 SQL 片段（毫秒），VQR 知识库通过反馈飞轮缓存验证查询（零 LLM 调用），Agent 层处理长尾问题。明显降低高频查询响应。

本文将介绍 AWS Transform Custom 的核心能力，并通过 Spring PetClinic 官方示例项目，演示如何将一个 Java 8 应用升级到 Java 17。

本文中主要介绍通过 AWS Firewall Manager为用户管理集中式 Network Firewall 部署

本文针对上篇航空客服智能体服务回复不一致的痛点，提出双 Memory 架构解决方案，通过新增 Solutions Memory（成功案例库）实现跨用户知识复用与服务标准化，解决同类问题答复差异问题。

本文以航空客服高重复咨询、策略控制复杂、服务一致性差等痛点为切入点，结合AIDLC 方法论，完整呈现基于 AWS Bedrock AgentCore 搭建可生产部署航空客服智能体的实践方案，解决 AI Agent 在企业级场景的上下文管理、策略执行、工具集成等技术难题。

供应链是零售企业最核心的竞争壁垒之一，而决策效率的瓶颈往往不在数据基础设施，而在从数据到洞察、从洞察到行动之间的链路。本文探讨如何通过 Agentic AI 系统性地打通这条链路——利用 Multi-Agent 架构、让供应链数据自动被查询、被理解、被转化为行动，实现从 data-informed 到 data-driven 的跨越。文章包含架构设计、关键技术选型，以及一个完整的渠道履约分析场景演示。

本文介绍了 npd-node-replace 组件的整体架构与实现原理，重点阐述了如何基于该组件对节点问题事件进行采集与分析，并对异常节点状态进行自动化处理。通过对节点异常场景的自动修复机制进行方案设计与实践探索，提升集群的可用性与整体稳定性。

本篇文章主要介绍了如何结合Amazon CloudFormation的堆栈集功能实现Amazon Backup计划的统一部署及后续管理。用户可以创建一份通用的备份计划模板，然后通过Amazon CloudFormation控制台为特定账号列表或整个组织、特定OU批量部署相同的备份计划。如后续备份计划有调整，也可通过在堆栈集中更换模板的方式更新所有账户下的备份计划。