亚马逊云开发者-CSDN博客

原创企业DevOps探讨：“谁构建、谁运行”原则的理论基础

“谁构建，谁运行” --沃纳·沃格尔这样的场景大家想必不会陌生：我们正与家人共度美好时光，突然刺耳的电话铃声嗡嗡响起，我们的注意力也为之吸引。听筒中的尖叫声告知，我们的应用程序——也就是那些定期受到内存泄漏侵扰、但重启之后又能恢复正常的小冤家们——现在终于彻底起义了，服务器资源在几分钟之内就被其彻底榨干。目前该应用已经无法正常起效，而运维团队除了尝试重启与回滚之外无法可想——而最新

2015-12-30 15:18:26 9499

原创企业DevOps：实施过程中需要关注的各项要点

作者：亚马逊云科技企业市场战略总监Stephen Orban“经验并非凭空创造，而是依靠点滴积累所实现” ---阿尔贝·加缪在此次的企业DevOps探索之旅系列文章当中，我将带大家一同探讨企业在具备一定DevOps经验之后又该如何处理下一步可能面临的状况。当然，这些只是我个人在接触自动化、面向客户服务之IT体系以及“谁构建、谁运行”方面事务的同时积累下的一些心得体

2015-12-29 19:36:50 8116

翻译将DevOps纳入企业环境引发的思考

作者：亚马逊云科技企业市场战略总监Stephen Orban“发展是一种以渐进式改善为载体的持续性行为”——英德拉瓦蒂虽然DevOps可以算是相对新鲜的概念，不过在我看来、其本质思路很早之前就已经出现。从这个角度看，目前很多企业已经广泛接纳这一概念并将其作为文化性产物看待，具体而言就是将大量原本孤立的团队融合起来，从而实现速度更快、频率更高且更为可靠的工作成果。我个人非常幸运

2015-10-13 17:38:41 6388

翻译利用Amazon Machine Learning与Amazon Redshift建立二进制分类模型

日常生活中的大部分决策都以二进制形式存在，具体来说就是这类问题能够以是或者否来回答。而在商业活动中，能够以二进制方式回答的问题也有很多。举例来说：“这种情况是否属于交易欺诈？”，“这位客户是否会购买该产品？”或者“这位用户是否存在流失风险？”等等。在机器学习机制中，我们将此称为二进制分类问题。很多商业决策都能够通过准确预测二进制问题的答案来得到强化。Amazon Michine Learning（

2015-09-07 17:10:46 8298

翻译利用Amazon Mobile Analytics与R深入探究移动应用的使用模式

作者：Sandeep Atluri 亚马逊数据科学家要真正鼓励用户使用我们的移动应用程序，最重要的前提就是深入了解用户使用应用程序时的行为模式，而后据此作出体验优化。不过通过应用程序事件数据来找出有意义的模式往往极具挑战性，而标准KPI所提供的诸如月度活跃用户（简称MAU）以及每日活跃用户（简称DAU）并不足以勾勒出完整的图景。举例来说，所发布应用在过去三十天中的用户开启次数能够帮

2015-08-31 18:33:41 6836

翻译亚马逊云科技使用心得：当初我曾错过的那些宝贵经验

在今天的文章中，我整理出了大量当初曾经错过、而至今仍将我追悔莫及的亚马逊云科技（Amazon Web Services）使用心得。在几年来的实践当中，我通过在亚马逊云科技之上新手构建及部署各类应用程序而积累到了这些经验。虽然内容有些杂乱，但相信仍然能给各位带来一点启示。从物理服务器向“云环境”转移的过程不仅仅是一项技术任务，同时也意味着我们的思维方式需要作出针对性的转变。总体而言，在物理环境下我们

2015-07-08 22:52:17 28846

原创基于 Amazon Nova Sonic 和 MCP 构建语音交互 Agent

Amazon Nova Sonic 要实现 MCP 这种方式的工具调用，首先需要将函数/工具的描述信息 schema 输入给 LLM，只不过 Function Call 是在本地生成函数描述的，而 MCP 则是远程从 MCP Server 中自动拉取的工具描述，远程 MCP Server 端有哪些工具的描述，是基于 Server 端工具在开发时用注解的方式描述函数名、用途和参数信息来自动生成的。随着语音界面的不断发展，像这样的解决方案将在创建更自然、更直观的用户与技术交互方式方面发挥越来越重要的作用。

2025-07-17 09:50:12 310

转载 Amazon S3 Vectors上线，向量数据查询成本直降90%

您可参阅《Amazon S3用户指南》中关于“Amazon S3向量存储桶”和“Amazon S3向量索引”的相关内容，深入了解如何将向量插入向量索引，以及如何列出、查询和删除向量。在第三步中，您可以选择向量存储的创建方式：既可以选择创建新的Amazon S3向量存储桶和向量索引，也可选择使用已创建好的现有Amazon S3向量存储桶和向量索引。创建向量索引后，在向该索引添加向量数据时，您还可为每个向量附加上键值对形式的元数据，以便后续根据日期、类别、用户偏好等一系列条件，对查询结果进行筛选。

2025-07-16 17:11:14 25

转载准确率从19%飙升至95%！文本审核模型优化实战指南｜下篇

在每个训练批次中，函数执行梯度清零操作，将数据转移到指定设备上，进行前向传播计算模型输出和损失值，接着通过反向传播计算梯度，利用梯度裁剪防止梯度爆炸，然后更新模型参数并调整学习率，同时更新进度条以展示训练进度。然而，在本项目中训练数据规模相对有限，这种情况下，较小的Base模型反而展现出更好的适应性，能够在有限数据条件下达到更优的性能表现。同时，积极收集新的训练数据，用于模型更新迭代，持续监控不同语言和文化背景下的审核效果，以保证审核系统始终保持良好的性能状态。等主流框架，满足多样化的训练需求。

2025-07-16 11:01:13 10

转载准确率从19%飙升至95%！文本审核模型优化实战指南｜上篇

在抽样过程中，着重保证样本能够涵盖不同类型的内容，囊括丰富多样的表达方式，同时兼顾不同语言以及文化背景下的用户资料，以此获取多元且具典型性的分析样本。再利用Claude模型探究每种误判类型的特性与模式，制定专属改进策略和规则，最后将策略转化为审核指南和提示词，生成分析报告，部署新的提示词。只有当表述满足多重明确条件时，才触发违规判定，避免因模糊语义导致的误判，使规则更具精准性和严谨性。将拟定的改进策略转化为详尽的审核指南及提示词，产出结构化的分析报告与优化后的提示词，并在审核系统中部署新生成的提示词。

2025-07-16 11:01:13 8

转载借力Bedrock，SolveX.AI炼成闪电解题神器？

通过将流量动态智能路由到多个区域，确保在需求高峰期获得更高的吞吐量和增强的弹性。曾在通信、电商、互联网等行业有多年的产研经验，在数据科学、推荐系统、LLM、RAG等方面有丰富的实践经验，并且拥有多个AI相关产品技术发明专利。类似几何证明、物理力学等题型，往往涉及多步推理、图文混合输入和隐含条件的识别，传统模型在步骤完整性和准确性方面表现有限，难以满足高质量解题的需求。，不仅支持文本、图像、视频等多种输入，还能以远低于同类大模型的成本和更快的响应速度，满足教育等复杂场景对高并发、实时性和多语言的需求。

2025-07-15 11:02:54 10

原创 Amazon Q in QuickSight 实战：利用自然语言快速生成数据报表与洞察

在企业实践中，数据分析已成为推动业务增长和优化决策的核心能力。以电商为例，团队需要实时查看商品销量趋势、不同渠道的转化效果、用户浏览路径与复购行为；在运营或财务场景中，也常通过图表洞察成本结构、预算执行进度、活动投放回报等。这些关键指标往往通过 BI 报表以可视化方式呈现，让业务人员能更直观、更高效地理解数据背后的含义。📢限时插播：Amazon Q Developer 来帮你做应用啦！🌟10分钟帮你构建智能番茄钟应用，1小时搞定新功能拓展、测试优化、文档注程和部署⏩快快点击进入《

2025-07-15 10:10:35 579

转载 ICML 2025｜亚马逊10篇论文入选，展现AI领域研究实力

这些研究涵盖了文本到音频生成、大模型提示词优化、智能体技术以及多智能体强化学习等多个前沿领域。在机器学习领域极具影响力的学术会议ICML 2025上，亚马逊共有10篇论文被成功录用。本次会议将于北美太平洋时间7月13日至19日，在加拿大温哥华会议中心举行，亚马逊作为白金赞助商将全面展示其在人工智能领域的最新研究成果。星标不迷路，开发更极速！听说，点完下面4个按钮。就不会碰到bug了！

2025-07-14 17:00:00 19

转载效率提升150%！翰德基于MCP Agent重塑智能招聘新范式

翰德是一家卓越的人才解决方案提供商，专注于中高端人才招聘、灵活人才解决方案等服务，覆盖金融服务、消费品、医疗健康与生命科学、科技、工业、专业服务、人力资源、财务与会计、法律与合规、供应链与采购等多个行业与职能领域。翰德Hudson的实践为人力资源行业数字化转型提供了可复制的范例，推动了生成式AI在招聘垂直领域的创新应用，构建了人机协作的新模式，助力行业迈向更加智能、高效的未来。自动抓取招聘平台返回的分页数据，处理动态分页加载，提取职位名称、公司信息、发布时间及匹配度标签等关键信息，确保数据完整性和准确性。

2025-07-14 11:02:20 11