亚马逊云开发者

Lambda 15 分钟超时，搞不了长流程——这事儿我相信不少人都遇到过。 之前接了个需求：订单处理流水线，要过库存校验、支付扣款、等仓库拣货（两小时起步）、发物流。我一开始用 SQS + Dynam

异构 GPU 混合部署 Whisper，我用 HyperPod 一个集群搞定了 故事的起点 "语音转文字，三天上线。" 老板说得轻巧，我心里发苦。Whisper 模型我熟，但上生产不是跑个 noteb

上周做了个实验，结果挺震惊。 让大模型搜两只股票的市盈率然后做对比。它搜到了正确的网页，然后……直接编了个数字。跟真实数据差了 30%。 不是搜索能力的问题，是"搜完之后怎么处理"的问题。大模型做精确

上周老板看了服务器月账单，眉头皱得能夹死苍蝇。 "去看看 Graviton，ARM 芯片据说能省不少钱。" 说实话 Graviton 的性价比我早有耳闻。但一提"迁移"就犯怵——上次隔壁组迁一个 C+

前两天想给团队飞书群接一个 AI 聊天机器人。刚开始梳理需求就头大了——LLM 集成、流式响应、工具调用、会话管理、上下文控制…… 后来发现 Kiro CLI 支持 ACP（Agent Client

S3 桶名不用再抢了：Account Regional Namespaces 来了 用 Amazon S3 最烦的事之一：想好的桶名永远被占。因为桶名全球唯一，热门名字早就没了。 上周亚马逊云科技发了

MCP Server 终于能"记住"用户了：AgentCore 有状态会话实战 搞 MCP 的都知道一个蛋疼的问题：server 不记状态。用户上一轮说了啥，下一轮完全不知道。 上周亚马逊云科技给 B

故事的开始 "老板让我两天做个能调 API 的 AI Agent。" 周一早上开完会，我整个人是懵的。Agent 这东西我知道，但从零搭一个？两天？ 然后同事甩给我一个链接——Strands Agen

周五晚上 11 点接到电话：CPU 95%，用户投诉卡顿。 开电脑、登服务器、手动扩容——前后折腾 20 分钟。事后想想，这种事完全可以自动化。 第二天花了一个下午，用 CloudWatch 搞定了：