Amazon CloudWatch
PulseAugur coverage of Amazon CloudWatch — every cluster mentioning Amazon CloudWatch across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
AWS 推出 Claude 应用网关，实现集中式 AI 模型管理
AWS 推出了 Claude 应用网关，这是一个自托管的控制平面，旨在帮助企业管理对 Claude Code 和 Claude Desktop 的访问、成本和策略。该网关通过消除对单独开发者凭证和手动分发设置的需求，简化了部署。它与身份提供商集成，以简化入职和离职流程，集中强制执行策略，并提供遥测数据以进行使用跟踪。此外，它还提供支出上限功能来控制成本，并且可以通过 Amazon Bedrock 或 AWS 上的 Claude Pla…
-
文章警告：AI 代理的 IAM 角色带来安全风险
在云环境中运行的 AI 代理（例如 AWS）由于其非确定性，构成了重大的安全风险。专为确定性代码设计的传统身份和访问管理 (IAM) 角色无法充分保护这些代理。这可能导致不受控制的 API 调用风暴或提示注入漏洞，在这种情况下，代理可能会根据被篡改的上下文执行恶意命令，从而可能造成广泛的系统损坏。文章认为，仅靠提示工程不足以保证安全，主张在平台层实施确定性强制机制来管理 AI 代理的爆炸半径。
-
AWS Bedrock 为调试 AI 代理增加了可观测性
AWS 推出了 Amazon Bedrock AgentCore Observability，以帮助开发人员调试生产中的 AI 代理。此新功能通过指标、跟踪和结构化日志提供对代理执行的可见性，使用户能够查明无限循环或不正确的工具选择等故障。可观测性工具旨在超越简单地检测错误，而是理解代理行为问题的根本原因。
-
DevOps Open Agent 增加了 OpenRouter 支持并支持 AWS Lambda/S3 调查
DevOps Open Agent 是一个开源的、由人工智能驱动的 DevOps 故障排除平台，现已扩展其功能。该平台现在支持 OpenRouter，允许用户通过单个 API 密钥访问超过 100 种不同的 LLM，从而避免供应商锁定。此外，AWS DevOps Agent 已得到增强，可以调查 AWS Lambda 函数和 Amazon S3 存储桶，提供有关安全状况和性能问题的见解。
-
AWS SageMaker 通过 CloudWatch 仪表板增强 AI 推理监控
Amazon SageMaker 通过在 Amazon CloudWatch 中集成详细指标和新的 Insights 仪表板，增强了对生成式 AI 推理端点的监控能力。此次升级通过提供超过 100 项新指标，使用户能够更有效地解决 GPU 内存压力或延迟峰值等问题。SageMaker Insights 仪表板跨性能、容量和可靠性提供车队、端点和推理组件级别的视图，简化了复杂多模型部署的可观察性。
-
Amazon SageMaker AI 通过容器缓存加速模型扩展
Amazon SageMaker AI 推出了容器缓存功能，以加速推理过程中的模型扩展。此新功能通过消除新实例预配时下载容器镜像的时间，将生成式 AI 模型的端到端延迟最多降低 51%。对于大型模型和复杂工作负载，此改进尤为显著，在测试案例中将启动时间从 525 秒缩短至 258 秒。
-
AWS Agent Toolkit 增强了 AI 编码代理的安全性和控制力
AWS Agent Toolkit 为 AI 编码代理提供了与 AWS 服务交互的托管解决方案，与社区运行的服务器相比，提高了安全性和可审计性。它包括一个托管的 MCP 服务器，用于安全地访问 API；预构建的用于常见任务的“Skills”；用于 IDE 集成的“Plugins”；以及用于行为配置的“Rules files”。主要优势包括精细的 IAM 控制、沙盒代码执行、通过 CloudTrail 和 CloudWatch 进行的全…
-
AWS Bedrock AgentCore将编码AI代理托管在笔记本电脑之外
Amazon Bedrock AgentCore Runtime 提供了一个专用的环境来托管编码AI代理，将它们从开发者的个人笔记本电脑上移开。这项新服务提供了带有持久工作空间的隔离Linux microVMs，确保代理能够可靠运行，而不会受到笔记本电脑合盖或系统挂起的干扰。AgentCore还集成了身份管理、统一工具访问网关和CloudWatch可观测性，旨在提高代理的性能和安全性。
-
AWS Bedrock Ops Alert 自动化 AI 工作负载管理
AWS 推出了 Amazon Bedrock Ops Alert，这是一个新的自动化监控解决方案，旨在简化其平台上的生成式 AI 工作负载管理。该系统可主动识别运营问题、调整告警阈值并自动创建支持案例，旨在减少 AI SRE 团队的手动开销。该解决方案还有助于防止重复的支持请求并提供情境化通知，从而缩短解决时间，使组织能够更专注于创新。
-
Infrawise 工具可防止 AI 编写的代码导致昂贵的云错误
Infrawise 开发了一款工具，用于分析代码和基础设施，以防止由 AI 生成的昂贵错误，例如低效的数据库扫描。该系统首先扫描代码存储库以识别数据库客户端调用，然后内省 AWS API 以收集确定性的基础设施元数据。通过构建一个将代码操作与实际基础设施连接起来的图，Infrawise 可以在 DynamoDB 全表扫描部署之前识别出潜在问题。
-
AWS Bedrock AgentCore 为 HR 和商业智能提供 AI 代理支持
Amazon Bedrock AgentCore 正被用于开发复杂的 AI 代理以支持业务，提高运营效率并降低成本。一个应用是 Works Human Intelligence (WHI) 构建用于 HR 任务的代理，从 LangGraph 迁移到 AgentCore 以管理多租户和提高可观察性。另一个用例是 AWS SMGS 组织的 NarrateAI，一个由 AgentCore 和数据湖驱动的对话式助手，为领导者提供按需商业智能，…
-
AWS 推出 AgentWatch 以进行主动式基础设施监控
AWS 推出了 AgentWatch，这是一种旨在主动监控 AWS 资源的新型环境代理。该系统旨在克服 CloudWatch 警报等反应式监控工具的局限性，这些工具通常触发过晚，导致团队不断地处理问题。AgentWatch 可持续观察基础设施、分析模式，并将可操作的见解直接提供给 Slack，同时还能响应有关基础设施状态的自然语言查询。
-
AWS 为 Amazon Quick AI 平台提供可观测性解决方案
AWS 详细介绍了一项新解决方案，使企业能够深入了解其对 Amazon Quick（一个生成式 AI 平台）的使用情况。该系统将来自各种 AWS 服务的运营数据整合到一个中央数据湖中进行分析。通过 Amazon CloudWatch、AWS CloudTrail、Amazon S3、Amazon Athena 和 Amazon Quick Sight 等服务，该解决方案能够跟踪用户采用情况、满意度、成本和治理。
-
开发者发布22个OSS软件包，优先解决独特问题
一位开发者在24小时内发布了22个跨多个注册表的开源软件包，并遵循一项严格的原则：每个软件包都必须解决现有替代方案未能解决的特定问题。该开发者专注于解决常见LLM故障的工具，例如处理CSV边缘情况和不正确的shell转义，并开发了一个具有Python绑定的Rust RAG漂移检测库。故意排除了其他几个软件包创意，如base64或UUID编码，因为它们缺乏独特价值或易于被LLM处理。
-
Sunbird Insyte 使用 AI 为云成本优化提供可操作的见解
Sunbird Labs 推出了 Sunbird Insyte，这是一个旨在优化云支出的 AI 驱动平台。该工具利用大型语言模型分析原始云账单数据，为用户提供具体的见解和可操作的成本降低建议。与仅提供通用分类的原生云成本管理工具不同，Sunbird Insyte 能够识别精确的成本驱动因素并提出具体的优化策略，旨在简化云金融运营（FinOps）。
-
AWS Inferentia2 降低宠物行为 AI 成本；EVE Online 工作室与 Google DeepMind 合作
Furbo 宠物摄像头的制造商 Tomofun 通过将推理工作负载从昂贵的 GPU 实例迁移到 AWS Inferentia2 芯片，优化了其宠物行为检测系统。此举在保持 BLIP 等视觉语言模型准确性的同时，显著降低了运营费用。该公司现在的架构利用 EC2 Inf2 实例，允许在 GPU 和 Inferentia2 后端之间灵活切换，以有效管理成本和扩展。
-
AWS Bedrock AgentCore Runtime 支持无服务器自定义 MCP 代理，用于 AI 代理
Amazon Bedrock AgentCore Runtime 现在支持无服务器自定义 MCP 代理，允许组织集成现有的合规性和控制逻辑。此功能支持将自定义逻辑作为独立的 MCP 服务器部署在 AgentCore Runtime 上，比 Lambda 拦截器具有更高的可移植性。该解决方案提供了一个可编程层，用于在请求到达后端系统之前进行工具输入清理、生成审计跟踪和审核敏感数据。
-
AWS提供LLM迁移工具并将Claude Cowork集成到Bedrock中
Amazon Web Services (AWS) 推出了一项新解决方案，旨在简化生成式AI应用程序的大型语言模型 (LLM) 的迁移和升级。该框架提供了一个系统化的方法，包括用于提示转换、优化和跨各种性能维度进行全面模型评估的工具和最佳实践。该解决方案旨在促进不同LLM之间的无缝过渡，使组织能够在最小化运营中断的同时持续改进其AI解决方案。它提供使用Amazon Bedrock Prompt Optimization和Anthrop…
-
高效技术团队的机制
Eugene Yan 的文章概述了提高技术团队（尤其是参与机器学习的团队）生产力和有效性的几种机制。关键实践包括用于非正式知识共享和反馈的周终汇报（EOWDs），以及用于深入探讨特定机器学习技术、工具或技能的学习会议。文章还强调了季度回顾的重要性，以确保团队与更广泛的业务和产品优先事项保持一致，并借鉴了 Netflix“高度一致、松散耦合”的理念。