Author: awschina

以发票报销自动化工具的三次演进为案例，从 LLM OCR、Agent 到 Skill + MCP，剖析 AI 应用形态的演进，以及 AI Agent 调用外部系统时的超时、状态污染与幂等等分布式系统问题及工程应对。

上一篇，我们用 Canal 消费 RDS for MySQL 的 binlog，要把实例从 8.0 升到 8.4，并选择蓝绿部署完成切换。生产环境形态包含位点存 ZooKeeper、instance 配置由 Canal Admin 托管、Canal 订阅只读副本。在这篇文章里面， 我们讨论这次切割演练过程是很好的 Agent 协助运维的场景，如果使用 Kiro custom agent 应该如何实现。 当然，这篇 blog 也适用于我们开始考虑评估某个场景是否可以用 Agent 来解决，以及如何建设。

Iceberg 构建湖仓的优势和性能测试。测试环境说明：EMR on EKS 7.13.0（Spark 3.5.6-amzn-2、Iceberg 1.10.0-amzn-1、JDK 17.0.19），节点规格 r7g.4xlarge，测试执行至 2026-08-31。测试时间取值均为中位数，3 次取中间值。第三、四部分可独立阅读；第二部分依赖第一部分对元数据裁剪机制的介绍。

在浏览器里点一下，就能在 Spot GPU 实例（H200 / B300）上拉起一套 SGLang 推理服务，跑完测试、收到飞书（Lark）通知，用完即拆。这是一个「低成本、一键、自助」的短时推理测试环境示例，面向不熟悉 AWS、又需要频繁做模型选型与性能验证的团队。

越来越多的企业把大语言模型（LLM）能力接入生产业务，模型调用凭证（AK/SK、API Key）也随之成为高价值的攻击目标。一旦凭证泄漏，攻击者可以在短时间内发起大量高价值的模型调用，造成快速累积的经济损失。本文面向已经或即将在 AWS 上构建 LLM 应用的客户，给出三个可在当天落地、见效较快的应对方案，并附一份完整的加固 Checklist。读完本文，你将了解：Token 滥用为什么频发、其风险来源有哪些，以及如何用账单异常监控、凭证来源限制、Amazon GuardDuty AI Protection 这三项措施建立分层防护。

当使用 Amazon Bedrock Guardrails 的 ApplyGuardrail API 作为独立内容安全护栏时，Model Invocation Logging 并不适用，需要自建监控体系来追踪拦截详情。本文介绍两种方案——基于 Amazon CloudWatch 的实时监控看板和基于 Amazon S3 + Amazon Athena + Amazon QuickSight 的离线分析看板，并提供一个开箱即用的 Java 封装库，让开发者一行代码完成内容过滤与日志记录。

Bedrock Guardrail 是功能丰富的业界领先的大模型安全护栏解决方案，如果您也在尝试给LiteLLM配置上Bedrock Guardrail，本文将会是您或者您的agent最好的参考资料

快速发起故障调查，让每条回复都有据可查，以 AWS DevOps Agent、AWS Knowledge MCP、AWS Labs 开源 MCP servers 和只读 AWS API 为主要调查与取证能力，并将工作负载操作限制在只读边界内。

即日起，Amazon Quick 桌面客户端已在 macOS 和 Windows 平台上正式可用。与此同时，我们针对 iOS 与安卓移动端推出了全新的“智能动态流”（Activity Feed），将邮件、日历、客户关系管理系统（CRM）与即时通讯等关键渠道整合至统一的高优先级视图中。智能流仅向团队呈现亟需人工决策的关键事项，日常琐事则由后台智能体（Agents）自主处理，让员工告别无休止的信息筛查，全力聚焦高价值业务。

OpenAI 旗下的 GPT-6 Astra 现已正式在 Amazon Bedrock 可用。该模型专为应对严苛的高复杂度任务而打造，具备更深层的推理与业务判断力，并依托 Amazon Bedrock 专为高性能、高安全与弹性扩展构建的推理引擎运行。