亚马逊AWS官方博客

Amazon S3 Vectors 现在支持元数据预筛选,以提高筛选搜索的召回率

今天,我们宣布推出 Amazon S3 Vectors 的元数据预筛选功能,该功能通过在相似度搜索之前评估您的元数据筛选条件,提高筛选查询的召回率。您可以筛选租户、类别、状态或时间等属性,并且预筛选为路径、URL 和分层键增加了使用 $startsWith 的前缀匹配功能。每个向量最多可承载 2 KB 的可筛选元数据,单个查询最多支持 100 个筛选条件约束。没有额外费用,无需重新摄取,也不会更改您的查询。

Amazon Aurora PostgreSQL 现在支持直接查询数据湖中的 Apache Iceberg 和 Parquet 数据

今天,我们宣布推出 Amazon Aurora PostgreSQL 的一项新功能,您可以使用现有的 PostgreSQL 应用程序和工具,直接查询运营数据,以及以 Apache Iceberg 和 Apache Parquet 格式存储在数据湖中的数据。由于无需从数据湖中提取、转换、加载(ETL)结构化数据到运营数据库,您可以降低操作复杂性并简化应用程序开发。您还可以使用 Aurora PostgreSQL 查询在兼容 Iceberg REST Catalog(IRC)的目录中管理的数据湖中的数据,从而无需移动或复制即可访问各种分析系统的数据。无论您是为实时控制面板提供支持,利用历史上下文丰富交易,还是构建智能体来推理实时和归档数据,您现在都可以通过一个熟悉的界面完成所有工作。

借助 Amazon Bedrock 上的 GPT-6.1 Sol 为日常工作带来接近 Astra 水平的智能能力

即日起,GPT-6.1 Sol 在 Amazon Bedrock 上正式可用。该模型所依托的推理引擎专为满足大规模应用对性能、安全性和可靠性的要求而构建。作为 GPT-6 Sol 的重大升级版本,它在智能体编程、计算机操作和专业工作方面表现出色。据 OpenAI 介绍,它能为日常工作流提供接近 Astra 水平的智能能力。

LiteLLM + Amazon Bedrock AgentCore WebSearch 为 Agent 构建托管联网搜索(扩展篇)

本文是《Bedrock Claude + LiteLLM WebSearch Interception 配置指南》的扩展篇。上篇通过 LiteLLM 的 WebSearch Interception 功能 + 自部署 SearXNG,让 Bedrock Claude 获得了服务端联网搜索能力。本篇介绍另一条此后打通的路线:LiteLLM MCP 网关 + Amazon Bedrock AgentCore WebSearch(托管搜索),它在五个方面改进了上篇方案的限制与权衡,并额外支持 Claude Code 等 Agent 客户端以 MCP 工具方式接入。

使用 AWS RTB Fabric 为外部合作伙伴构建自定义域名入站链路(ASG / EKS 实战)

AWS RTB Fabric 是专为实时竞价(RTB)广告负载打造的全托管服务,提供个位数毫秒级延迟,网络成本最高降低约 80%。本文聚焦“外部到内部”场景:作为 DSP,让 RTB Fabric 之外的外部 SSP 通过你现有的公开域名,把竞价流量投递到 VPC 内的竞价服务器。文中给出 EC2 Auto Scaling 组与 Amazon EKS 两种后端的端到端实践,覆盖 IAM、ACM 证书、路由规则、流量模块与 DNS 迁移;迁移完全基于 DNS,合作伙伴无需改 URL 或代码。

Laya 非自回归决策服务:本地验证与 Amazon SageMaker AI 部署实践

Laya multilingual checkpoint 可以在 Apple Silicon Mac 上运行,也可以通过 Linux 自定义推理容器部署到 Amazon SageMaker AI ml.m5.xlarge 实时端点。它与 Jev 属于同一类 typed-decision 模型,但提供 Apache 2.0 开放权重,可以在企业自己的 AWS 账户中托管。本文给出 FastAPI 封装、容器适配、启动时间、推理结果和 Amazon CloudWatch 指标。
完整代码位于 koljahuang/laya-local,包含本地 FastAPI 服务、SageMaker 自定义容器和部署验证记录。