来源: aws.amazon.com
32
当企业从"试用一个聊天机器人"走向"部署几十个协作代理"，安全问题的性质就变了。单个 LLM 调用泄露一段提示词，影响有限；但一群 MCP 工具服务器和 A2A 互联代理如果缺乏管控，一次越权调用就能横向扩散到整个业务流程。Cisco 与 AWS 的联合方案正是瞄准这个阶段——代理规模化部署时的可见性缺失、安全瓶颈和合规风险。 MCP（Model Co...
来源: aws.amazon.com
36
大模型微调从来不只是"跑个训练脚本"的事。数据从哪来、谁有权访问、训练结果归谁管、血缘怎么追踪——这些问题在企业环境里往往比模型本身更棘手。Databricks Unity Catalog 和 Amazon SageMaker AI 各有强项：前者管数据治理与血缘，后者管训练编排与弹性算力。把它们串起来，就能在不动现有服务架构的前提下，把治理链条从数据...
来源: aws.amazon.com
46
大模型本身是个封闭的知识库——训练数据截止后发生的事，它一概不知。想让 Agent 处理"今天的热点""最新的库版本""竞品最新定价"这类任务，必须给它接上搜索引擎。Strands Agents SDK 最近加入了 Exa 搜索集成，两行配置就能让 Agent 拿到实时网页数据，本文走一遍完整搭建流程和实际用法。 普通搜索 API（比如某大厂的自建搜索...
来源: aws.amazon.com
45
过去要在 AWS 上用 Claude，你得走 Amazon Bedrock 的通道——模型选择、API 格式、功能边界都受 Bedrock 的封装约束。现在有了另一条路：Anthropic 把自己的原生 Claude Platform 直接搬进了 AWS，你用 AWS 账号登录、用 AWS 贃单付费，拿到的是和 Anthropic 官网一模一样的平台体...
来源: aws.amazon.com
38
航空制造领域的技术文档从来不只是文字——工程图纸、工艺流程图、材料规范表、检验照片交织在一起，构成一套复杂的多模态知识体系。传统文本检索只能"看懂"文字部分，图表里的关键信息往往被遗漏。Amazon Nova Multimodal Embeddings 的出现，让图像和文本在同一向量空间里对齐，检索终于能真正"读懂"一整份文档。 这篇文章拆解一个实际方...
来源: aws.amazon.com
50
线上报了一个 Bug，它该归哪个团队？这个看似简单的问题，在大型组织里往往是耗时最长的环节之一——路由错了，工单在团队间来回踢皮球，修复周期被拉到数天甚至数周。Miro 用 Amazon Bedrock 上的大模型重构了整个 Bug 路由流程，结果：团队重分配次数降了 6 倍，平均修复时间缩短 5 倍，从"天"级别直接压到"小时"级别。 这篇文章拆解他...
来源: aws.amazon.com
29
企业里数据不少，但从"数据躺在数据库里"到"AI 帮你做决策"，中间的鸿沟一直很大：数据要清洗、要建模、要验证可信度、还要能规模化地推给业务团队用。Amazon Quick 这次更新的五项新能力，就是想压缩这段路径。下面逐项拆解，并给出可直接上手跑的实践示例。 典型场景：一家零售企业有数亿条交易记录，想做库存预测和动态定价。数据工程团队花了几周建管道，...