亚马逊AWS官方博客
Category: Artificial Intelligence
OpenClaw 在电商平台的应用场景探索
当 AI 助手不再只是”聊天机器人”,而是一个可以用 Markdown 文档扩展skill能力、嵌入多种工作渠道、主动推送运营洞察的智能网关——我们用 OpenClaw 在电商卖家场景做了一次从 0 到 1 的实验,讨论电商平台以大规模SaaS部署OpenClaw提供卖家助手的场景下,能够提供的开发便利、使用体验优势、部署模式和成本评估,以及使用体验
构建专业化 AI 而不牺牲通用智能:Nova Forge 数据混合实战
本文通过一个真实企业场景中的客户之声(VOC)分类任务,评估了 Amazon Nova Forge 在领域任务微调中的表现。实验结果表明,借助数据混合(data mixing)策略,Nova Forge 能够在显著提升领域任务性能的同时,有效避免灾难性遗忘,保持模型的通用能力。该方法为企业在构建定制化 AI 模型时,在领域能力与通用能力之间取得平衡提供了一种实用方案。
向量存储成本降低 85%:用 Amazon S3 Vectors 构建企业级多平台统一知识库
本文将介绍一个基于 AWS 云原生服务的统一知识库架构方案,重点阐述如何通过 Amazon S3 Vectors 实现显著的成本节约,以及如何通过 Provider 模式扩展支持多个 SaaS 平台,构建真正的企业级统一知识库。
推出 OpenClaw on Amazon Lightsail,用于运行您的自主私有人工智能代理
今日,我们宣布 OpenClaw on Amazon Lightsail 正式发布,该服务可用于启动 OpenClaw 实例、配对浏览器、启用 AI 功能,以及根据需要连接消息收发信道。您的 Lightsail OpenClaw 实例已预置为使用 Amazon Bedrock 作为默认 AI 模型提供商。完成设置后即可立即与 AI 助手对话,无需进行任何额外配置。
用 Kiro构建 AI:基于 AWS 基础设施快速构建企业级 Agentic AI 平台
我们如何用 Kiro(AI IDE)完成全流程开发,基于 Strands Agents 框架、Amazon Bedrock AgentCore 和 AWS 基础设施,在一周内构建了一个能交付实际产出的 AI Agent 平台——全程零人工编码。
基于Bedrock Agentcore 实现智能成本分析与告警系统
在云原生时代,企业数字化转型的步伐不断加快,云基础设施已成为业务发展的核心支撑。云成本的有效监控与管理,已不再是可选项,而是企业数字化战略成功的关键要素。本文设计并实现了一套智能云成本监控与告警系统,使用者通过自然语言与智能体交互,获取与云成本相关的分析建议和优化方案,同时实现异常告警。
把 Kiro CLI 当作 Agent SDK:一键订阅即可构建你的Agent应用
Kiro CLI 的 ACP 支持为 Agent 应用开发提供了一条新路径:将命令行工具转变为可编程的 Agent 后端,通过标准化协议暴露完整能力。开发者可以跳过 AI 基础设施的前期投入,专注于应用本身的业务逻辑和用户体验。
PKFARE Introduces AI Customer Service Agent to Simplify Post-Ticketing Automation in Flight Distribution
Automated cross-environment deployment solution for Apache DolphinScheduler on AWS.
基于 Amazon SageMaker HyperPod 的 ComfyUI 部署方案
本方案提供一套在 HyperPod (EKS) 上部署 ComfyUI 的参考实现,重点解决”环境一致性、持久化共享、对外访问与自动化验证”等落地问题,便于在开发生产场景中快速复用。
AWS 一周综述:Amazon Bedrock 上线 Claude Sonnet 4.6、Kiro 在 GovCloud 区域推出、全新代理插件等(2026 年 2 月 23 日)
Amazon Bedrock 上线 Claude Sonnet 4.6、Kiro 在 GovCloud 区域推出、全新代理插件等