亚马逊云开发者

摘要： 引言：企业级 AI 应用安全部署的挑战 在企业级 AI 应用部署中，安全性往往是被忽视但最为关键的一环。OpenClaw 作为一个功能强大的 AI 助手平台，在生产环境中的安全部署面临着权限管理、网络隔离、密钥管理、审计追踪等多维度的安全挑战。 本文将深入探讨如何构建一套企业级的 OpenClaw 阅读全文

摘要： 我之前对 AI 编程助手一直持观望态度——补全个函数名还行，真要写业务逻辑大概率翻车。最近用了一周 Amazon Q Developer，想从实际使用角度分析一下它在不同场景下的表现。 一、工具概述 Amazon Q Developer 是亚马逊云科技推出的 AI 编程助手，支持 VS Code 和 阅读全文

摘要： 上个月我踩了一个坑——生产环境里的 AI Agent 被用户用 prompt injection 攻击，吐出了系统提示词的内容。虽然没有造成实质损失，但这件事让我意识到：AI Agent 的安全防护不能只靠 prompt engineering，必须有一层独立于模型的安全检查机制。 研究了一圈方案， 阅读全文

摘要： 项目背景 在一个用户行为分析系统中，原有架构使用 RDS MySQL (db.r5.large) 存储操作日志。随着业务增长，写入量从每秒几十条增加到每秒数千条，MySQL 方案暴露出几个问题： 高峰期 CPU 持续 90%+，影响查询响应 扩容需要停机或切换，无法平滑应对突发流量 为抗住峰值需要预 阅读全文

摘要： 大模型推理成本是一个工程问题，不是调参问题。核心在于根据任务特征选择合适的计费模式，而不是试图压缩单次推理的 token 数。 Bedrock 定价体系分析 Amazon Bedrock 的定价体系有四个层级，从亚马逊云科技官方定价页面（aws.amazon.com/cn/bedrock/prici 阅读全文

摘要： AI 编程工具的核心矛盾是什么？ 速度和可控性的 trade-off。即兴生成（给一句话直接出代码）速度快，但复杂项目的可控性差——生成的代码偏离意图、多人协作风格不一、缺乏文档沉淀。 Kiro 是亚马逊云科技推出的 AI 原生 IDE，选择了另一条路：先写规范，再写代码。我花两天时间完整体验了一遍 阅读全文

摘要： 前言 在做技术选型的时候，"用不用 Serverless" 这个问题经常被讨论。这篇文章不谈理论，记录一次真实的迁移过程——把一个跑在 EC2 上的 AI 问答服务，迁移到 Lambda + Bedrock 的 Serverless 架构。重点分析迁移动机、技术实现、踩坑过程和最终效果。 迁移动机 阅读全文

摘要： 问题定义 大语言模型的全参数微调（Full-rank SFT）存在一个固有矛盾：参数空间是共享的，学习领域特定模式时会不可避免地干扰原有的通用能力编码。这就是灾难性遗忘（Catastrophic Forgetting）。 表现为：微调后领域任务指标提升，但 MMLU 等通用基准分数显著下降，指令遵循 阅读全文

摘要： 问题定义 大语言模型的全参数微调（Full-rank SFT）存在一个固有矛盾：参数空间是共享的，学习领域特定模式时会不可避免地干扰原有的通用能力编码。这就是灾难性遗忘（Catastrophic Forgetting）。 表现为：微调后领域任务指标提升，但 MMLU 等通用基准分数显著下降，指令遵循 阅读全文

摘要： 背景 RAG（Retrieval Augmented Generation）系统中，向量存储是核心组件之一。传统方案使用专用向量数据库，性能优异但运维成本高——集群需要 7×24 运行，不管是否有查询请求。 Amazon S3 Vectors 提供了一种不同的思路：将向量存储能力作为 S3 的原生 阅读全文