亚马逊AWS官方博客
使用 AWS PrivateLink 实现中国区访问海外区 Amazon S3
随着全球化业务拓展需求的持续增长，越来越多的中国企业需要在国内数据中心与海外区自有 Amazon S3 存储桶 […]
Amazon Aurora DSQL 在 IOT 场景下的应用和实践
前言 随着物联网技术的快速发展，智能设备数量呈现爆发式增长，对数据库的弹性扩展和运维管理提出了更高要求。Ama […]
降本增效的制胜之道：亚马逊云科技 Static BGP 助力IPC行业客户突破公网流量成本困境
前言 随着智能家居和智慧安防的快速发展，智能摄像头(IPC)行业迎来了前所未有的机遇与挑战。一方面，市场需求持 […]
使用智能代理在AWS无服务器架构上进行源代码分析
摘要 随着软件开发规模的不断扩大和代码复杂性的增加，传统的代码分析方法已经无法满足现代开发团队的需求。本文探讨 […]
AMI产品在亚马逊云科技 Marketplace 上的定价模式及系统集成
引言 随着云计算的普及，越来越多的软件供应商选择通过亚马逊云科技 Marketplace（AWS Market […]
阿尔特携手 Amazon AgentCore ，打造懂你的AI，智能搜索成本降低34%
关于Monus AI Monus AI是由南京阿尔特科技推出的一款专注于消费决策的AI搜索应用，在搜索垂类工具 […]
Agentic AI基础设施实践经验系列（一）：Agent应用开发与落地实践思考
探讨Agent开发和运维Agent（AgentOps）的基本要素和实践思考。
Amazon Bedrock AgentCore Memory：亚马逊云科技的托管记忆解决方案
亚马逊云科技提供开箱即用的托管服务，通过AI Agent构建平台Bedrock AgentCore中的记忆模块 […]
Agentic AI基础设施实践经验系列（六）：Agent质量评估
本文系统介绍了AI智能体评估的理论与实践方法。阐述了Agent评估在技术、业务、伦理合规等方面的必要性，构建了包含任务完成率、决策准确率、效率和安全性的多维度指标体系。详细介绍了AgentBench、AgentBoard、τ-bench三大主流评估框架的特点与适用场景。通过零售、天气助手、考试生成三个实践案例，展示了不同评估方案的应用效果，为Agent的安全可靠部署提供了完整的评估指导。
Agentic AI基础设施实践经验系列（八）：Agent应用的隐私和安全
Agentic AI 安全简介 Agentic AI代表了自主系统的重大进步，在大型语言模型（LLM）和生成式 […]