2026-06-30
来源: aws.amazon.com
37
QuickSight 里的仪表板、分析、数据集、数据源和主题一旦进入生产，就不只是“报表配置”，而是 BI 交付链路的一部分。备份策略的目标不是把所有东西定期导出那么简单，而是在误删、错误发布、跨账号迁移或灾难恢复时，能明确知道备份了什么、在哪里、能不能恢复。 QuickSight 资产之间有依赖关系。一个 dashboard 可能依赖 analysi...
2026-06-30
来源: aws.amazon.com
27
扫描件数字化最容易被低估的地方，不是 OCR 本身，而是“页面上这些文字到底对应哪张脸、哪个表格、哪个区域”。这篇方案的核心变化是把任务拆给两个模型：Amazon Nova 2 Lite 先做原生多模态抽取，在一次调用里识别照片、可见姓名、坐标和页面级元数据；Claude Sonnet 4.6 再根据版面做空间推理，把名字和人脸配对。这样既控制成本，也...
2026-06-30
来源: aws.amazon.com
37
多租户分析系统接入 LLM 后，最危险的变化不是“模型会不会答错”，而是“模型会不会被诱导越权”。如果一个租户通过自然语言问出了另一个租户的数据，传统的应用层权限判断很容易被 prompt injection、工具调用参数污染或 SQL 生成错误绕过。 PAR 的做法值得关注：他们把安全边界拆成三层，而且每一层都独立工作。请求入口用 AWS SigV4...
2026-06-30
来源: aws.amazon.com
34
医疗理赔处理最怕两件事：表单信息散落在 PDF、扫描件和附件里，人工录入又慢又容易出错。这个方案的核心变化是把“读单据、抽字段、校验、转成标准医疗数据”串成一条自动化流水线：Amazon Bedrock Data Automation 负责从理赔表单中提取结构化信息，Amazon Bedrock AgentCore 托管 AI Agent 来做校验和转...
2026-06-30
来源: aws.amazon.com
25
Agent 进入生产环境后，最难处理的不是“模型答错了”这种显性问题，而是它为什么反复调用同一个工具、为什么一次工具调用没有返回、为什么用户看到超时但后端日志看起来正常。Amazon Bedrock AgentCore Observability 的价值就在这里：把 Agent 的执行轨迹、工具调用和运行指标放到同一个可分析的上下文里，让排障从猜测变成...
2026-06-30
来源: aws.amazon.com
32
当一个 Serverless SaaS 平台从几千个 Lambda 函数增长到超过一百万个函数时，问题会从“函数怎么写”变成“系统怎么活”。来源摘要里提到的几个经验很关键：真正的 scale-to-zero、配额管理、多账户架构，以及尽早和 AWS 服务团队沟通。这些不是架构图上的装饰，而是大规模运行时避免账单失控、部署卡死和突发故障的基本功。 Ser...
2026-06-30
来源: aws.amazon.com
38
机器学习环境最容易出现一个矛盾：数据科学家需要快速访问数据、Notebook、模型训练和实验工具；安全团队则要确保敏感数据不会被复制到个人电脑、外部网盘、公共 API 或不受控的网络出口。本文围绕一种三层架构展开：用 Amazon SageMaker AI 承载建模工作区，用 VPC 端点收紧网络路径，再用 Amazon WorkSpaces Secu...
2026-06-30
来源: aws.amazon.com
36
游戏客户端登录最怕两件事：把长期凭证塞进客户端，以及让游戏服务器重复造一套身份系统。这个方案的核心是“双令牌”：客户端先用 Amazon Cognito User Pool 通过 SRP 流程完成认证，拿到 Cognito JWT；Nakama 运行时再验证这个 JWT，把 Cognito 用户身份桥接成 Nakama session。这样客户端不需要...
2026-06-30
来源: azure.microsoft.com
23
Claude in Microsoft Foundry 已正式可用，并由 Azure 托管、运行在 NVIDIA GB300 Blackwell Ultra 上。对正在做 AI Agent 的团队来说，这个变化的重点不只是“多了一个模型入口”，而是把模型试验、企业级部署和云上运行环境放到了更短的路径里。 很多团队已经在本地脚本、Notebook 或独立...
2026-06-29
来源: microsoft.com
42
微软围绕 300 位 AI agent 构建者发布的 2026 Agent Confidence Index，传递出一个很现实的信号：团队并不是只在问“智能体能不能更强”，而是在更严肃地问“什么时候可以信它”。在企业场景里，agent 的价值不只来自自动化能力，也来自可解释、可回滚、可监督的运行方式。 过去讨论 AI agent，很多团队先看模型能力：...