Category: Artificial Intelligence

本文介绍利用 AIDLC 方法论与 BMAD 框架，在 AWS Serverless 上构建端到端 AI 驱动开发流程。通过引入“定义约束、人工评审（Review Gate）、TDD 验证”机制，实现 AI 并行产出与业务、架构及测试的跨阶段一致性，将 AIDLC 转化为可复制的工程流。

AWS 构建者中心上线一周年、Security Hub 网络扫描功能、适用于 AWS 的 Loom 等

今天，OpenAI 的 GPT-5.6 Sol、Terra 和 Luna 在 Amazon Bedrock 上正式推出，将 OpenAI 迄今最智能的模型系列引入 Amazon Bedrock 专为高性能、安全性和可靠性而打造的下一代推理引擎。GPT-5.6 为智能与效率树立了新标准，让您能在更短时间内以更高的每 Token 智能水平解决更复杂的问题。定价与 OpenAI 官方价格一致，用量计入您现有的 AWS 承诺用量。

本文讲清楚一套把非结构化用户评论提炼成层级标签体系的 pipeline 是怎么设计的， 并在每个设计点交代对应的可调参数：它控制什么、往哪个方向调、对输出有何影响。 示例数据用公开的中文电商评论数据集（online_shopping_10_cats 手机类，2323 条），不涉及任何客户的私有数据。

本文以大型头部旅行社中“大规模集体出行任务”为案例，针对其现实场景中需求复杂、人员众多、涉及的资源量大的特点，结合“LLM的语义理解能力”与“运筹学求解器的确定性”，开发出了一套高效、稳定、可人工审核、可循环迭代的行程分配与优化Multi-Agent系统，在实际应用中取得了较为满意的效果。

用 Amazon Bedrock AgentCore 的托管 Web Search 与 Browser 工具，通过一个标准 MCP 端点，为任意支持 MCP 的 Agent（Claude Code、Cline 等）接入实时联网搜索与网页浏览能力。客户端只需一个 URL 加一个 Token，部署只需AWS CLI 初始化加一条 helm install；数据不出 AWS，工具调用本身不额外消耗模型 token。

中文版本 | English Version Abstract: Using Amazon Bedrock A […]

本文分享如何利用 Amazon Quick 的远程 MCP Connector 能力，结合飞书/Lark的远程MCP server，让 Quick 用户直接通过对话完成飞书/Lark文档读取/创建、消息读取/发送、日程管理等操作，让Quick成为你的AI助手。

AgentCore 提供的三种持久化文件系统——Managed Session Storage、Amazon EFS、Amazon S3 Files，从按用户私有，到多方共享，再到文件与对象两端访问，覆盖了 Agent 的持久化需求，会话结束也不会丢失数据。

在没有 Active Directory、没有自建 IDP，且中国区缺少 Cognito User Pool 的约束下，利用 AWS Transfer Family Custom Identity Provider、Secrets Manager 自动轮换密码和 IAM Roles Anywhere 证书认证，构建一套轻量化的且无长期凭据的安全 SFTP 文件传输方案。