AWS 一周综述：Amazon DocumentDB、AWS Lambda、Amazon EC2 等（2025 年 8 月 4 日）

亚马逊AWS官方博客

AWS 一周综述：Amazon DocumentDB、AWS Lambda、Amazon EC2 等（2025 年 8 月 4 日）

本周带来了一系列创新，从生成式人工智能功能到基础服务的增强。无论您是构建人工智能驱动的应用程序、管理数据库还是优化云基础设施，这些更新都有助于构建更先进、更强大、更灵活的应用程序。

上周发布的内容

以下是本周值得关注的发布内容：

• Amazon DocumentDB – Amazon DocumentDB Serverless 现已推出，提供按需、完全托管、与 MongoDB API 兼容的文档数据库服务。阅读 Channy 的文章了解详情。
• Amazon Q 开发者版 CLI – 现在可以创建自定义代理来帮助自定义 CLI 代理，使其在执行代码审核和故障排除等专业任务时更加有效。更多信息请访问此博客。
• Amazon Bedrock 数据自动化功能 – 现在支持用于文档处理的 DOC/DOCX 文件和用于视频处理的 H.265 编码视频文件，从而更轻松地构建多模态数据分析管道。
• Amazon DynamoDB – 推出了 Amazon DynamoDB 数据建模模型上下文协议（MCP）工具，提供结构化、自然语言驱动的工作流，用于将应用程序要求转化为 DynamoDB 数据模型。
• AWS Lambda – 响应流式传输现在支持默认的最大响应有效载荷大小为 200 MB，比以前高 10 倍。Lambda 响应流式传输有助于构建应用程序，逐步将响应有效载荷流式传输回客户端，通过缩短首字节时间（TTFB）性能来提高延迟敏感型工作负载的性能。
• Powertools for AWS – 推出 Powertools for AWS Lambda（Java）的 v2 版本，这是一款开发人员工具包，可帮助实施无服务器最佳实践并直接翻译 AWS Well-Architected 建议。
• Amazon SNS – 现在支持另外三种消息筛选运算符：通配符匹配、除通配符之外的任何内容匹配和除前缀之外的任何内容匹配。SNS 现在还支持标准主题中的消息组 ID，从而为订阅的 Amazon SQS 标准队列启用公平队列功能。
• Amazon CloudFront – 现在提供两种功能来增强来源超时控制：响应完成超时和支持 Amazon S3 来源的自定义响应超时值。通过这些功能可以更好地控制如何处理缓慢或无响应的来源。
• Amazon EC2 – 现在可以强制终止处于关闭状态的 EC2 实例。
• Amazon EC2 Auto Scaling – 现在可以使用 AWS Lambda 函数作为 EC2 Auto Scaling 生命周期挂钩的通知目标。例如，可以使用该功能在实例进入等待状态时触发自定义操作。
• Amazon SES – 现在可以在单个 SES 账户中预置隔离租户，并应用自动声誉策略来管理电子邮件发送。
• AWS 管理控制台 – 现在可以在控制台导航栏的服务菜单中查看 AWS 应用程序。使用此视图，可以查看所有应用程序，并选择一个应用程序以查看其所有关联资源。
• Amazon Connect – Amazon Connect UI 生成器现在具有更新的用户界面，可以降低构建结构化工作流的复杂性。还通过新的用户界面体验简化了预测编辑，从而提高了规划的准确性。联系人控制面板现在具有更新、更直观的用户界面。Amazon Connect 还向代理工作区引入了新的操作和工作流。这些操作由在后台运行的第三方应用程序提供支持。
• AWS Clean Rooms – 现在向 Amazon EventBridge 发布有关洁净室协作状态变化的事件，进一步简化了公司及其合作伙伴在不泄露或复制彼此底层数据的情况下，对集体数据集进行分析和协作的方式。
• AWS Entity Resolution 数据匹配服务 – 推出了基于规则的模糊匹配，使用 Levenshtein 距离、余弦相似度和 Soundex 算法，帮助解析分散、不一致且往往不完整的数据集中的使用者记录。

其他更新

以下是我觉得有趣的一些其他项目、博客文章和新闻：

• Amazon Strands Agents SDK：对代理架构和可观测性的技术深入研究 – 很好地概述了构建单代理和多代理架构。
• 使用 Strands Agents SDK 和 Tavily 构建动态 Web 研究代理 – 展示添加新工具是多么容易。
• Amazon Nova 的结构化输出：构建者指南 – 在使用原生工具和受限解码的基础上实现的好技巧。
• 使用 Amazon Bedrock 数据自动化功能自动创建讲义笔记 – 这是一种构建自动化、无服务器解决方案的解决方案，可将网络研讨会录音转换为全面的讲义。
• 使用 Amazon Q 开发者版 CLI 和 MCP，按照最佳实践构建现代无服务器解决方案 – 添加 AWS Serverless MCP 服务器。
• Amazon Bedrock AgentCore 浏览器工具简介 – 有关该工具的更多信息，该工具使人工智能代理能够与网站进行无缝交互。
• Amazon Bedrock AgentCore 代码解释器简介 – 这是一项完全托管的服务，使人工智能代理能够在隔离的沙盒环境中安全地执行代码。

即将举行的 AWS 活动

查看您的行程，报名参加即将举行的活动：

AWS re:Invent 2025（2025 年 12 月 1 日至 5 日，拉斯维加斯）– AWS 的旗舰年度会议，通过点对点学习、专家主导的讨论和宝贵的交流机会提供协作创新。

AWS Summit – 加入一系列旨在汇聚云计算社区，以相互交流、协作和了解 AWS 的免费线上和线下活动。在离您最近的城市注册：墨西哥城（8 月 6 日）和雅加达（8 月 7 日）。

AWS Community Day – 参加由社区主导的会议，这些会议以技术讨论、讲习会和动手实验室为特色，由来自世界各地的 AWS 专家用户和行业领袖主持：澳大利亚（8 月 15 日）、亚德里亚地区（9 月 5 日）、波罗的海地区（9 月 10 日）和奥特亚罗瓦（9 月 18 日）。

加入 AWS 构建者中心，学习、构建并与 AWS 社区中的构建者建立联系。 在此处浏览即将举行的线下和线上活动以及面向开发人员的活动。

以上就是本周的全部内容。欢迎下周一继续查看新的一周综述！

– Danilo

---

用于在 AWS 上运行 VMware Cloud Foundation 的 Amazon Elastic VMware Service 简介

亚马逊AWS官方博客

用于在 AWS 上运行 VMware Cloud Foundation 的 Amazon Elastic VMware Service 简介

今天，我们宣布 Amazon Elastic VMware Service (Amazon EVS)正式推出，这是一项新的 AWS 服务，可让您直接在 Amazon Virtual Private Cloud (Amazon VPC) 中运行 VMware Cloud Foundation (VCF) 环境。借助 Amazon EVS，可以使用指导式工作流在短短几个小时内部署功能齐全的 VCF 环境，同时在合格的 Amazon Elastic Compute Cloud (Amazon EC2) 裸机实例上运行 VMware 工作负载，并与适用于 NetApp ONTAP 的 Amazon FSx 等 AWS 服务无缝集成。

许多在本地运行 VMware 工作负载的组织都希望迁移到云，进而受益于更高的可扩展性、可靠性和对云服务的访问权限，但是迁移这些工作负载通常需要对应用程序和基础设施配置进行实质性更改。通过 Amazon EVS，客户无需重新架构应用程序或更改既定实践即可继续使用其现有的 VMware 专业知识和工具，从而简化了迁移流程，同时提供了对 AWS 规模、可靠性和广泛服务的访问权限。

借助 Amazon EVS，可以直接在 Amazon VPC 中运行 VMware 工作负载。这样就可以在使用 AWS 基础设施时完全控制环境。可以在不更改 IP 地址或操作运行手册的情况下扩展本地网络并迁移工作负载，从而降低复杂性和风险。

主要功能和特征

Amazon EVS 提供了一整套功能，旨在简化 VMware 工作负载迁移和管理体验。该服务无需更换平台或更改虚拟机监控程序即可实现无缝工作负载迁移，这意味着可以在迁移到 AWS 的同时维护现有的基础设施投资。通过 AWS 管理控制台上直观的指导式工作流，可以高效地预置和配置 EVS 环境，从而显著降低将工作负载迁移到 AWS 的复杂性。

借助 Amazon EVS，可以在几个小时内部署在 AWS 上运行的功能齐全的 VCF 环境。此流程消除了传统部署中的许多手动步骤和经常发生的潜在配置错误。此外，借助 Amazon EVS，可以在 AWS 上优化虚拟化堆栈。鉴于 VCF 环境在您的 VPC 内运行，您拥有对该环境和相关管理设备的完全根访问权限。还可以集成第三方解决方案，包括外部存储，例如适用于 NetApp ONTAP 的 Amazon FSx 或 Pure Cloud Block Store 或 Veeam Backup and Replication 等备份解决方案。

借助该服务，您还可以自行管理或与 AWS 合作伙伴合作构建、管理并运营您的环境。这样就可以灵活地将您的方法与总体目标相匹配。

设置新的 VCF 环境

组织可以通过确保在创建新的 VCF 环境之前具备所有必要的先决条件来简化设置流程。这些先决条件包括拥有一个活跃的 AWS 账户、配置相应的 AWS Identity and Access Management（IAM）权限，以及设置一个具有充足 CIDR 空间和两个路由服务器端点的 Amazon VPC，每个端点都有自己的对等点。此外，客户需要准备好 VMware Cloud Foundation 许可证密钥，保护专门为 i4i.metal 实例预留的 Amazon EC2 容量预留，并准备 VLAN 子网信息规划。

为了帮助确保顺利部署流程，我们提供了入门中心，可以从 EVS 主页访问该中心，还可以在我们的文档中查看综合指南。通过执行这些准备步骤，可以避免潜在的设置延迟，并确保成功创建环境。

我们看看使用 Amazon EVS 设置新 VCF 环境的过程。

需要提供站点 ID（由 Broadcom 在购买 VCF 许可证时分配）以及许可证密钥。为确保成功进行初始部署，应验证是否有足够的许可覆盖范围以支持至少 256 个核心。这意味着至少有四个 i4i.metal 实例，每个实例提供 64 个物理核心。

此许可要求有助于保持最佳性能，并确保环境符合必要的基础设施规范。通过预先确认这些要求，可以避免潜在的部署延迟，并确保设置过程顺利。

提供所有必需的详细信息后，系统将提示您指定主机的详细信息。这些是 VCF 环境将在其中部署的底层 Amazon EC2 实例。

填写完每个主机实例的详细信息后，需要配置联网和管理设备的 DNS 详细信息。有关如何在 Amazon EVS 上创建新的 VCF 环境的更多信息，请访问此处的文档。

创建 VCF 环境后，将能够通过 AWS 管理控制台查看所有主机和配置的详细信息。

需要了解的其他事项

Amazon EVS 目前支持 VCF 版本 5.2.1 并在 i4i.metal 实例上运行。未来的版本将扩展 VCF 版本、许可选项和更多实例类型支持，为部署提供更大的灵活性。

Amazon EVS 提供灵活的存储选项。Amazon EVS 本地实例存储由 VMware 的 vSAN 解决方案提供支持，该解决方案将多个 ESXi 主机上的本地磁盘池化为一个分布式数据存储。要扩展存储，可以利用外部网络文件系统（NFS）或基于 iSCSI 的存储解决方案。例如，适用于 NetApp ONTAP 的 Amazon FSx 特别适合用作 NFS 数据存储或通过 iSCSI 共享块存储。

此外，Amazon EVS 可以简化本地环境与 AWS 的连接。可以使用 Direct Connect 连接或终止于中转网关的 VPN 从本地 vSphere 环境连接到 Amazon EVS。Amazon EVS 还管理从 VLAN 子网到 VM 的底层连接。

AWS 为 Amazon EVS 部署的所有 AWS 服务提供全面支持，提供直接客户支持，同时与 Broadcom 合作满足高级支持需求。客户必须为运行该服务的账户维护 AWS Business Support。

可用性和定价

Amazon EVS 现已在美国东部（弗吉尼亚州北部）、美国东部（俄亥俄州）、美国西部（俄勒冈州）、欧洲地区（法兰克福）、欧洲地区（爱尔兰）和亚太地区（东京)AWS 区域正式推出，即将在其他区域推出。定价基于使用的 Amazon EC2 实例和 AWS 资源，没有最低费用或前期承诺。

要了解更多信息，请访问 Amazon EVS 产品页面。

---

OpenAI 开放式权重模型现已在 AWS 上可用

亚马逊AWS官方博客

OpenAI 开放式权重模型现已在 AWS 上可用

AWS 致力于为您提供业内最先进的基础模型（FM），不断扩充我们的模型选择范围，将领先的人工智能创新者推出的开创性模型纳入其中，以便您始终能够接触到最新的技术进展，从而推动业务向前发展。

今天，我很高兴地宣布，Amazon Bedrock 和 Amazon SageMaker JumpStart 中将推出两款全新的 OpenAI 开放权重模型。OpenAI 的 gpt-oss-120b 和 gpt-oss-20b 模型专为文本生成和推理任务而设计，这些模型为开发者和企业提供了新的选择，让他们在构建人工智能应用时能够全面控制自身的基础设施和数据。

这些开放权重模型在编码、科学分析和数学推理方面表现出色，性能可与市面上领先的同类模型相媲美。两款模型均支持 128K 的上下文窗口，并提供可调节的推理级别（低/中/高），以满足您的特定使用案例的需求。这些模型支持通过外部工具来增强其功能，并且可用于座席式工作流程，例如，使用 Strands Agents 等框架。

借助 Amazon Bedrock 和 Amazon SageMaker JumpStart，AWS 让您能够自由创新：您可以访问来自领先人工智能公司的数百个基础模型，其中就包括 OpenAI 开放权重模型。通过我们丰富多样的模型选择，您每次都能为人工智能工作负载匹配到最合适的模型。

通过 Amazon Bedrock，您可以无缝试用不同模型，混合搭配各种功能，并且无需重写代码就能在不同提供商的模型之间切换 — 将模型选择转变为一种战略优势，帮助您在新的创新成果出现时不断完善人工智能战略。这些新模型可通过与 OpenAI 兼容的端点在 Bedrock 中使用。您可以将 OpenAI SDK 指向这个端点，或者使用 Bedrock 的 InvokeModel 和 Converse API。

使用 SageMaker JumpStart，您可以快速评估、比较模型，并根据您的使用案例对模型进行定制。然后，您可以通过 SageMaker AI 控制台或使用 SageMaker Python SDK 将原始模型或定制后的模型部署到生产环境中。

让我们来看看这些模型的实际应用。

开始在 Amazon Bedrock 中使用 OpenAI 开放权重模型

在 Amazon Bedrock 控制台中，我从导航窗格的配置和学习部分选择模型访问。然后，我导航到该页面上列出的两款 OpenAI 模型并请求访问权限。

获得访问权限后，我使用聊天/测试操场来测试和评估这些模型。我选择 OpenAI 作为类别，然后选择 gpt-oss-120b 模型。

我使用这个模型运行以下示例提示：

某个家庭有 5000 美元的存款用于明年度假。他们可以将这笔钱存入年利率为 2% 的储蓄账户，也可以存入年利率为 4% 的定期存单，但在度假前不能动用这笔资金。如果他们在这一年中需要 1000 美元用于应急开支，他们应该如何在两种方案之间分配资金，以最大限度地利用他们的假期奖金？

此提示提示生成的输出包括得出结果的思考过程。

我可以通过配置 API 端点（基础 URL）并使用 Amazon Bedrock API 密钥进行身份验证，将这些模型与 OpenAI SDK 配合使用。例如，我可以设置以下环境变量，以使用美国西部（俄勒冈州）AWS 区域的端点（

us-west-2）和我的 Amazon Bedrock API 密钥：

export OPENAI_API_KEY=”“

export OPENAI_BASE_URL=”https://bedrock-runtime.us-west-2.amazonaws.com/openai/v1″

现在，我使用 OpenAI Python SDK 调用该模型。

client = OpenAI()

response = client.cha[已去除短链接]mpletion.create(

messages=[{

“role”: “user”,

“content”: “Hello, how are you?”

}],

model=”openai.gpt-oss-120b-1:0″,

stream=True

)

for item in response:

print(item)

要构建人工智能代理，我可以选择任何支持 Amazon Bedrock API 或 OpenAI API 的框架。例如，以下是使用 Amazon Bedrock API 的 Strands Agents 的起始代码：

from strands import Agent

from strands.models import BedrockModel

from strands_tools import calculator

model = BedrockModel(

model_id=”openai.gpt-oss-120b-1:0″

)

agent = Agent(

model=model,

tools=[calculator]

)

agent(“Tell me the square root of 42 ^ 3”)

我保存代码（

app.py 文件），安装依赖项，然后在本地运行座席：

pip install strands-agents strands-agents-tools

python app.py

对座席感到满意后，可以使用 Amazon Bedrock AgentCore 提供的功能（包括完全托管的无服务器运行时以及内存和身份管理功能）将其部署到生产环境中。

开始在 Amazon SageMaker JumpStart 中使用 OpenAI 开放权重模型

在 Amazon SageMaker AI 控制台中，您可以在 SageMaker Studio 中使用 OpenAI 开放权重模型。第一次这样做时，需要设置一个 SageMaker 域。有一些选项可以将其设置为单用户模式（更简单）或组织模式。为了进行这些测试，我使用单用户设置。

在 SageMaker JumpStart 模型视图中，我可以查看 gpt-oss-120b 或 gpt-oss-20b 模型的详细说明。

我选择 gpt-oss-20b 模型，然后部署该模型。在接下来的步骤中，我选择实例类型和初始实例数量。几分钟后，部署完成并创建一个端点，我可以在 SageMaker Studio 中调用该端点，也可以使用任何 AWS SDK 来调用它。

要了解更多信息，请访问 AWS 人工智能博客中的 SageMaker JumpStart 中现已提供 OpenAI 的 GPT OSS 模型。

注意事项

新的 OpenAI 开放权重模型现已在美国西部（俄勒冈州）AWS 区域的 Amazon Bedrock 中提供，Amazon SageMaker JumpStart 则在美国东部（俄亥俄州、弗吉尼亚州北部）和亚太地区（孟买、东京）支持这些模型。

每个模型都具备完整的思维链输出能力，让您能够详细了解模型的推理过程。对于需要高可解释性和验证性的应用程序来说，这种透明度尤为重要。 这些模型让您可以根据自己的特定需求自由修改、调整和定制。这种灵活性使您能够针对自己的独特使用案例对模型进行微调，将它们集成到现有的工作流程中，甚至可以在它们的基础上构建新的、专门针对您所在行业或应用程序的定制模型。

这些模型的核心内置了安全保障机制，具备全面的评估流程和安全措施。这些模型始终与标准的 GPT-4 分词器兼容。

这两款模型都可以在您偏好的环境中使用，无论是想通过 Amazon Bedrock 的无服务器体验，还是借助 SageMaker JumpStart 强大的机器学习（ML）开发功能。有关使用这些模型和服务的相关费用信息，请访问 Amazon Bedrock 定价页和 Amazon SageMaker AI 定价页。

要了解更多信息，请参阅 Amazon Bedrock 文档中的模型参数和聊天补全 API。

立即通过 Amazon Bedrock 控制台或 Amazon SageMaker AI 控制台，在 AWS 上使用 OpenAI 开放权重模型。

– Danilo

---

通过自动推理检查功能最大限度地减少人工智能幻觉并提供高达 99% 的验证准确率：现已推出

亚马逊AWS官方博客 通过自动推理检查功能最大限度地减少人工智能幻觉并提供高达 99% 的验证准确率：现已推出 今天，我很高兴与大家分享自动推理检查功能，这是我们在 AWS re:Invent 期间预览过的一项新的 Amazon Bedrock 护栏策略，现已正式推出。自动推理检查功能可帮助您根据域知识验证基础模型（FM）生成的内容的准确率。有助于防止由于人工智能幻觉而导致的事实错误。该策略使用数学逻辑和形式验证技术来验证准确率，为检查人工智能响应的准确率提供了明确的规则和参数。 这种方法与概率推理方法有根本的不同，后者通过为结果分配概率来处理不确定性。实际上，自动推理检查功能可提供高达 99％ 的验证准确率，为检测人工智能幻觉提供了可证明的保证，同时还可以在模型的输出有多种解释时协助进行歧义检测。

正式推出后，将获得以下新特征：

• 支持单个版本中的大型文档，最多 8 万个令牌 – 处理大量文档；我们发现最多可以添加 100 页的内容
• 简化策略验证 – 保存验证测试并反复运行，这样可以更轻松地随着时间的推移维护和验证策略
• 自动生成场景 – 根据您的定义自动创建测试场景，节省时间和精力，同时有助于扩大覆盖范围
• 增强策略反馈 – 为策略变更提供自然语言建议，简化改进策略的方式
• 可自定义的验证设置 – 调整置信度分数阈值，满足您的特定需求，让您更好地控制验证的严格性

下面来看看其实际应用。 在 Amazon Bedrock 护栏中创建自动推理检查功能 要使用自动推理检查功能，需要先将知识域的规则编码到自动推理策略中，然后使用该策略来验证生成的内容。在此场景下，我将创建抵押贷款批准策略，以保护评估谁有资格获得抵押贷款的人工智能助手。重要的是，人工智能系统的预测不应偏离为抵押贷款批准而制定的规则和指导方针。这些规则和指导方针记录在用自然语言编写的策略文档中。 在 Amazon Bedrock 控制台中，我从导航窗格中选择自动推理来创建策略。 我输入策略的名称和描述，然后上传策略文档的 PDF 文件。名称和描述只是元数据，对于构建自动推理策略没有帮助。我描述了源内容，进而添加有关如何将其转换为形式逻辑的上下文。例如，我将解释我计划如何在我的应用程序中使用该策略，包括人工智能助手的问答示例。 策略准备就绪后，我进入概述页面，显示策略详细信息以及测试和定义摘要。我从下拉列表中选择定义来检查自动推理策略，该策略由规则、变量和类型组成，这些规则、变量和类型是为了将自然语言策略转化为形式逻辑而创建的。 规则描述了策略中的变量是如何相关的，并在评估生成的内容时使用。例如，在本例中，要应用哪些阈值以及如何做出一些决策。为了实现可追溯性，每条规则都有自己的唯一 ID。 变量代表原始自然语言文档中起作用的主要概念。每个变量都涉及一条或多条规则。变量使复杂的结构更易于理解。在这种情况下，一些规则需要考虑首付或信用评分。 自定义类型是为既不是布尔值也不是数字的变量创建的。例如，对于只能假定有限数量值的变量。在这种情况下，策略中描述了两种类型的抵押贷款，即保险抵押贷款和常规抵押贷款。 现在，我们可以通过测试评测初始自动推理策略的质量。我从下拉列表中选择测试。在这里，我可以手动输入测试，包括输入（可选）和输出，例如问题及其在客户与人工智能助手互动中可能得到的答案。然后，我设置了自动推理检查功能的预期结果。预期结果可以是有效（答案正确）、无效（答案不正确）或令人满意（根据具体假设，答案可能是对的也可能是错误的）。我还可以为查询/内容对从自然语言到逻辑的翻译指定置信度阈值。 在我手动输入测试之前，我会使用该选项根据定义自动生成场景。这是验证策略的最简单方法，而且（除非您是逻辑专家）应该是策略创建后的第一步。 对于每个生成的场景，我都会提供预期的验证，以说明是否可以发生（令人满意），或不能发生（无效）。如果没有，我可以添加一个注释，然后可以用来更新定义。为了更深入地了解生成的场景，我可以使用 SMT-LIB 语法展示测试的形式逻辑表示。 使用生成场景选项后，我手动输入了一些测试。对于这些测试，我设定了不同的预期结果：有些有效，因为它们遵循策略，有些无效，因为它们无视策略，有些令人满意，因为它们的结果取决于特定的假设。 然后，我选择验证所有测试来查看结果。在这种情况下，所有测试都通过了。现在，当我更新策略时，我可以使用这些测试来验证变更没有引入错误。 对于每项测试，我都可以查看调查发现。如果测试没有通过，我可以看看造成矛盾的规则，这些矛盾导致测试失败并与预期结果背道而驰。利用这些信息，我可以理解是应该添加注释、改进策略还是更正测试。 现在我对测试感到满意，我可以创建一个新的 Amazon Bedrock 护栏（或更新现有的护栏），最多使用两个自动推理策略来检查人工智能助手响应的有效性。护栏提供的所有六种策略都是模块化的，可以一起使用或单独使用。例如，自动推理检查功能可以与其他保障措施一起使用，例如内容筛选和上下文基础检查。护栏可以应用于 Amazon Bedrock 提供的模型，也可以通过 ApplyGuardrail API 应用于任何第三方模型（例如 OpenAI 和 Google Gemini）。我还可以将护栏与 Strands Agents 等座席框架一起使用，包括使用 Amazon Bedrock AgentCore 部署的座席。 现在我们已经了解了如何设置策略，我们来看看如何在实践中使用自动推理检查功能。

客户案例研究 – 公用事业停电管理系统

停电时，每一分钟都很重要。这就是公用事业公司转向人工智能解决方案来改善其停电管理系统的原因。我们与 PwC 合作开发了该空间的解决方案。 使用自动推理检查功能，公用事业公司可以通过以下方式简化操作：

• 自动生成协议 – 创建符合监管要求的标准化程序
• 实时验证计划 – 确保响应计划符合既定策略
• 创建结构化工作流 – 开发基于严重程度的工作流，定义响应目标

该解决方案的核心是将智能策略管理与优化的响应协议相结合。自动推理检查功能用于评测人工智能生成的响应。当发现响应无效或令人满意时，自动推理检查功能的结果将用于重写或增强答案。 这种方法演示了人工智能如何改变传统的公用事业运营，使其更加高效、可靠并能响应客户需求。通过将数学精度与实际要求相结合，该解决方案为公用事业部门的停电管理设定了新的标准。结果是缩短了响应时间，提高了准确率，并为公用事业及其客户带来了更好的结果。 用 PwC 全球和美国商业技术与创新官员 Matt Wood 的话来说： “在 PwC，我们正在帮助客户满怀信心地从人工智能试点转向生产，尤其是在监管严格的行业中，失误的代价不仅限于金钱损失。我们与 AWS 在自动推理检查功能方面的合作是负责任的人工智能领域的一项突破：经过数学评测的保障措施，现已直接嵌入到 Amazon Bedrock 护栏中。我们很自豪能成为 AWS 的发布合作伙伴，将这项创新应用于制药、公用事业和云合规等领域，在这些领域，信任不是一项特征，而是一种要求。”

注意事项

Amazon Bedrock 护栏中的自动推理检查功能现已在以下 AWS 区域正式推出：美国东部（俄亥俄州、弗吉尼亚州北部）、美国西部（俄勒冈州）和欧洲地区（法兰克福、爱尔兰、巴黎）。 使用自动推理检查功能，可以根据处理的文本量付费。有关更多信息，请参阅 Amazon Bedrock 定价。 要了解更多信息并构建安全的人工智能应用程序，请参阅技术文档和 GitHub 代码示例。点击此链接可直接访问 Amazon Bedrock 控制台。 此播放列表中的视频包括自动推理检查功能简介、深入演示以及创建、测试和完善策略的动手教程。这是播放列表中的第二个视频，我的同事 Wale 很好地介绍了该功能。 — Danilo

---

基于 Amazon Bedrock 构建 Slack 图像生成助手 App

亚马逊AWS官方博客 基于 Amazon Bedrock 构建 Slack 图像生成助手 App

引言

在当今的商业环境中，视觉内容变得越来越重要。无论是营销材料、产品演示还是客户交流，引人入胜的图像和视觉效果都可以提高内容的吸引力和影响力。然而，创建高质量的视觉内容通常需要专业的设计技能和昂贵的工具，这对于许多企业来说是一个挑战。 在本文中，我们将介绍如何基于 Amazon Bedrock 托管的 SDXL 基础模型构建一个 Slack 图像生成助手 App。该 Slack App 允许 Slack 用户通过发送文本提示来请求生成图像，并将生成的图像直接发送到 Slack 频道。这不仅为团队提供了一种创建视觉内容的简单方式，而且还可以促进协作和讨论。 Amazon Bedrock 是一项完全托管的基础模型（FM）服务，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI 和 Amazon 等领先人工智能公司的高性能基础模型，以及通过安全性、隐私性和负责任的人工智能构建生成式人工智能应用程序所需的一系列广泛功能。由于 Amazon Bedrock 是无服务器的，因此您无需管理任何基础设施，并且可以使用已经熟悉的 AWS 服务将生成式人工智能功能安全地集成和部署到您的应用程序中。

解决方案概述

在这篇博客中，我们将介绍如何在 AWS Lambda 中部署 Slack 网关服务，用于接收 Slack 消息并使用 Amazon Bedrock 及其托管的 Stability AI SDXL 基础模型生成相应的图像。我们利用了多个 Amazon 云服务来构建一个健壮的解决方案：Secrets Manager 用于安全地存储密钥，DynamoDB 用于防止重复消息处理，S3 Bucket 和 CloudFront 用于存储和分发生成的图像。通过将所有这些服务与 AWS Lambda 结合使用，我们可以构建一个无服务器的、可扩展的应用程序，用于处理 Slack 消息并生成图像。 先决条件 可用的亚马逊云科技账户 Amazon Bedrock Stable AI SDXL 基础模型服务已启用

已创建私有的 S3 Bucket 用于存储生成的图像

通过 CloudFront 分发私有 S3 Bucket 中的图像，实现静态内容加速，同时也可以配置 CloudFront 实现 API Gateway 动态加速

创建 Slack App

在 Slack 工作区中创建一个新的 Slack 应用程序，启用 “im:history”、”chat:write” 和 “commands” 作用域，具体步骤如下： 1. 打开 https://api.slack.com/apps/new 并选择”From a manifest”

2. 选择要将应用程序安装到的工作区

3. 将以下 yaml 格式的 template 的内容复制到文本框中（在 YAML 选项卡内），然后单击“下一步”

4. 查看配置，然后单击“Create”

完成 App 创建后，查看 Signing Secret，接下来会通过 Cloudformation 保存到 Secret Manager 中 5. 选择左边栏 OAuth & Permissions，点击 Install to Workspace，然后点击 Allow 查看生成的 OAuth Token，接下来会通过 Cloudformation 保存到 Secret Manager 中

创建 Amazon 云服务

我们将使用 CloudFormation 来部署所需的 Amazon 云服务，包括 Lambda 函数、API Gateway、Secrets Manager 和 DynamoDB。CloudFormation 模板将自动配置所有必需的资源，简化了部署过程。 创建 Cloudformation 堆栈，依次填写用于保存 Bedrock SDXL 产生的图片的私有 S3 Bucket、用于分发图片的 Cloudfronnt 分配、Slack App 签名密钥、Slack App OAuth Token，勾选 acknowledge，然后 Create stack Stack 创建完成后，复制 SlackAPIGatewayEndpoint 将 SlackAPIGatewayEndpoint 配置为事件订阅的请求 URL，替换模版中的默认值，如果显示 Verified 表示 Slack App 连接 Lambda 函数成功，点击 Save Changes

Lambda 函数介绍

Lambda 函数将处理来自 Slack 的事件，调用 Amazon Bedrock 生成图像，并将图像上传到 S3 存储桶。该函数首先验证 Slack 签名以确保请求来自 Slack。然后，它处理 URL 验证挑战或实际的 Slack 消息事件。对于消息事件，它会将客户端消息 ID 和时间戳写入 DynamoDB 表，以防止重复处理。 handle_message 函数提取实际的消息文本，调用 call_bedrock 函数生成图像，并将生成的图像 URL 发送回 Slack 频道。 call_bedrock 函数调用 Amazon Bedrock 服务生成图像，并将生成的图像上传到 S3 存储桶，并返回 CloudFront 分发的图像 URL。

验证 Slack App

现在，您可以在 Slack 频道中发送消息，Lambda 函数将调用 Amazon Bedrock 生成相应的图像，并将图像发送回 Slack 频道。通过@SlackAppName + 提示词的方式向 App 提问，第 1 次使用的时候，需要点击 Invite Them，手机 App 输给效果如下： 选择 Invite Them 后，Slack App SDXL 根据提示词输出了图片：

总结

通过 Amazon Cloudformation 部署了所需的云服务之后，您需要将 API Gateway 端点配置为 Slack App 的事件订阅 URL。然后，每当 Slack 用户在频道中发送文本提示时，Lambda 函数就会被触发，调用 Bedrock 服务生成相应的图像，并将图像发送回 Slack 频道。通过利用 Amazon Bedrock 以及 Lambda、API Gateway、Secrets Manager 和 DynamoDB 等服务的强大功能，您可以轻松构建一个功能强大的 、基于无服务器架构的、Slack 图像生成助手 App。这不仅可以提高团队的工作效率，还可以激发创造力，促进更好的协作和沟通。 *前述特定亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技中国仅为帮助您了解行业前沿技术和发展海外业务选择推介该服务。 参考资料 Slack Quickstart: Send a mesage Invoke Stable Diffusion XL on Amazon Bedrock to generate an image

---

无需信用卡也能注册 AWS 亚马逊云账号？代充值服务助你轻松上云！

在当今数字化时代，越来越多的企业和开发者选择使用 Amazon Web Services（AWS）来部署应用、托管网站或运行数据分析任务。然而，AWS 账号注册门槛也成为不少用户面临的难题：虚拟卡频繁被封、缺乏海外支付方式、个人隐私难以保障……

别担心，通过专业的AWS 注册与代充值服务，你可以免信用卡、免繁琐验证，轻松开启云端之旅。

 

为什么绑定虚拟卡注册 AWS 容易被封？

AWS 拥有严格的反欺诈机制，一旦检测到以下行为，就可能自动封锁虚拟卡或账号：

•异常注册 IP、地理位置不一致

•非常规支付渠道（如虚拟卡或一次性信用卡）

•多账号切换登录、短时间内频繁更改资料

因此，使用虚拟信用卡绑定 AWS 账号，封号率高、风险大，不利于长期稳定使用。

 

缺乏海外支付手段？代充服务轻松搞定

注册 AWS 账号除了绑定有效信用卡，还需验证国际电话号码。

对于没有海外手机号的用户而言，往往卡在第一步。

这时，选择我们提供的AWS 账号注册与代充值服务，可以绕过信用卡与电话验证难题：

•提供预充值选项，支持多种货币支付

•大额充值享优惠

•月度账单清晰明细，从预付款中直接扣除使用费用

 

担心个人隐私？我们为你隔离敏感信息

很多人不愿意将个人信用卡信息（包括姓名、卡号、有效期等）直接绑定在云平台上。

通过我们的服务，您无需提交任何敏感财务信息，即可获得完整的 AWS 云服务体验。

这对于注重隐私保护的个人用户或海外开发者尤其重要。

我们的优势：一站式亚马逊云服务支持

作为 AWS 官方合作伙伴（APN认证），我们不仅提供注册和充值服务，还能提供：

✅ 全程注册协助

•无信用卡也可开通

•支持企业/个人需求

•快速获取可用账号

✅ 多种充值方式

•支持人民币/美元/台币等多币种

•可根据使用量灵活充值

•大额预付可享额外折扣

✅ 7×24小时技术支持

•客服全天在线，响应快速

•专属工程师一对一指导

•解决 AWS 操作、部署、计费等各类问题

✅ 精选 AWS 核心产品推荐

•Amazon EC2：可扩展的计算资源，适用于几乎所有工作负载

•Amazon S3：高可用对象存储，支持全球访问

• Amazon Aurora / RDS / DynamoDB：性能卓越的数据库服务

•AWS Lambda：无服务器计算架构，适合事件驱动开发

• Amazon VPC / Lightsail：打造私有、安全、快速的网络环境

在云计算时代，Amazon Web Services（AWS）已成为众多企业与开发者的首选云服务提供商。可对于部分用户而言，如何支付 AWS 账单却并非一件简单的事：不论是美元信用卡限额、外汇管制，还是复杂的跨境汇款流程，都可能让人头疼不已。

如今，随着加密货币的日益普及，一种非美元货币支付的新方式正在悄然兴起：使用 USDT（泰达币）等稳定币来结算 AWS 账单。以下将为你介绍其优势与操作思路，让你在享受 AWS 强大云服务的同时，也能体验到加密货币支付的便捷与高效。

一、为什么选择 USDT 支付 AWS 账单？

1. 规避汇率波动

USDT 是与美元1:1锚定的稳定币，价值相对稳定。相比传统外汇支付，用户无需再担心美元汇率的短期波动，也无需频繁换汇，极大简化了支付流程。

2. 突破支付限制

对于部分地区的用户，使用传统信用卡或 PayPal 可能面临限额、外汇管制等难题。USDT 交易门槛较低，资金流转更加自由，为海外支付提供了更多可行方案。

3. 转账速度与手续费

加密货币转账无需经过繁琐的银行流程。只要交易网络通畅，通常可在数分钟内完成支付，且手续费往往低于跨境电汇或第三方支付平台。

4. 更好地管理云成本

对于需要精确管理云成本的企业或个人，使用 USDT 可以让账目更加灵活，随时掌控加密货币余额与云服务支出，达到财务透明化与去中心化的“双赢”效果。

 

二、USDT 支付 AWS 账单的操作思路

1. 选择合规平台或服务商

目前，AWS 官方并未直接支持加密货币支付。用户通常需要借助第三方服务商（如云代理支付平台、财务代理商等）或专业交易所渠道，将 USDT 兑换为美元后再结算 AWS 账单。

•在选择第三方时，应关注其合规性与口碑，确保交易安全、流程透明。

2. 准备 USDT 余额

如果你尚未持有 USDT，可在合法的数字资产交易所（如币安、OKX 等）购买，或通过点对点（P2P）交易方式获取 USDT。

•建议提前预估 AWS 账单金额，预留足够 USDT 余额并注意可能的手续费。

3. 向服务商提交账单或付款请求

•通常需要将你的 AWS 账单信息（账单周期、金额）提交给第三方支付平台或财务代理，让他们为你完成结算。

•你再根据对方给出的 USDT 收款地址，使用钱包或交易所向其转账对应的 USDT 数量。

4. 完成支付并等待到账

•转账完成后，第三方会在约定时间内帮你结清 AWS 账单。

•你可在 AWS 账单页面或第三方平台查看支付状态，并保留交易记录。

5. 关注后续账单变化

AWS 的账单通常按月结算，如果你的云资源随时变动，应与第三方保持良好沟通，确保后续账单也能及时支付。

 

三、使用加密货币支付需注意的几点

1. 选择可信赖的平台

务必确认交易所、第三方代理平台具备良好的合规与安全性，谨防诈骗或信息泄露。

2. 保管好钱包密钥

使用个人钱包时，要妥善保管私钥或助记词。若使用交易所账户，也要开启双重验证并设置复杂密码。

3. 留意交易网络手续费

不同链上的 USDT（如 ERC20、TRC20、BEP20）转账手续费各异，转账前先确认地址类型与手续费情况，避免不必要的花费。

4. 遵守当地法律法规

各国对加密货币的监管政策存在差异，确保你的 USDT 交易、跨境支付操作符合所在地区的法律要求。

 

四、总结

对于需要跨境支付或面临美元信用卡限制的 AWS 用户来说，使用 USDT 等稳定币支付账单无疑是一种新颖而高效的方式。它不仅能够节省汇率损耗与跨境电汇手续，还能帮助用户更灵活地管理云端开销。

虽然目前 AWS 并未直接支持加密货币支付，但通过选择合规可信赖的第三方服务商，依旧能让 USDT 在云服务结算中发挥独特的优势。只要你对数字资产和云账单都有充分了解，遵循安全规范与法律合规，便可真正享受到加密货币带来的便利与高效。

如果你正苦恼于无法使用美元支付 AWS 账单，不妨尝试 USDT 这样一种去中心化、无国界的结算方式，为你的云计算之旅增添更多可能性。

OpenSSH 是一套基于安全外壳（SSH）协议的安全网络实用程序，提供强大的加密功能以确保隐私和安全的文件传输，是远程服务器管理和安全数据通信的必备工具。近日，官方修复了一个OpenSSH远程代码执行漏洞 (CVE-2024-6387)，该漏洞允许未经身份验证的攻击者在Linux系统上以root身份执行任意代码。鉴于该漏洞的严重性和影响范围较大，建议用户尽快进行修复。以下是详细的修复教程。

01 前提条件

1. SSH访问：确保你有SSH访问受影响的服务器。

2. 备份数据：在进行更新操作之前，建议备份重要数据和配置文件。

3. 检查OpenSSH版本：首先检查当前安装的OpenSSH版本，以确定是否受影响。

ssh -v

 

02 更新OpenSSH

2.1 使用包管理器更新

对于大多数Linux发行版，你可以使用包管理器（如apt、yum、dnf等）来更新OpenSSH。

Debian/Ubuntu

1.更新包索引：

sudo apt update

2. 安装最新版本的OpenSSH：

sudo apt install openssh-server

3.验证安装的版本：

ssh -V

 

CentOS/RHEL

1.清理并更新缓存：

sudo yum clean all
sudo yum makecache

2.安装最新版本的OpenSSH：

sudo yum update openssh-server

3.验证安装的版本：

ssh -V

2.2 手动编译安装

如果你的发行版的包管理器没有提供最新版本的OpenSSH，你可以手动下载源代码并编译安装。

1.下载最新的OpenSSH源代码：

wget https://cdn.openbsd.org/pub/OpenBSD/OpenSSH/portable/openssh-9.8p1.tar.gz

2.解压缩源代码：

tar -xzf openssh-9.8p1.tar.gz
cd openssh-9.8p1

3.配置、编译并安装：

./configure
make
sudo make install

4.重启SSH服务：

sudo systemctl restart sshd

5.验证安装的版本：

ssh -V

03 后续检查

1. 检查服务状态：确保SSH服务正常运行。

sudo systemctl status sshd

2. 测试SSH连接：使用SSH客户端连接到服务器，确保SSH服务正常工作。

3. 检查日志：查看SSH日志，确保没有异常。

sudo tail -f /var/log/auth.log

04 参考资料

•OpenSSH Release Notes

•Qualys Blog: Regresshion – Remote Unauthenticated Code Execution Vulnerability in OpenSSH Server

•Qualys: CVE-2024-6387

进入亚马逊云科技（AWS）的世界可能看起来令人望而生畏，但创建和激活一个新账户却是一个非常直接的过程。本文将指导您通过每一步，确保您能够顺利设置并开始使用AWS。

注册亚马逊云科技账户

1. 访问AWS主页

   打开 亚马逊云科技主页。

2. 创建新账户

   点击“创建亚马逊云科技账户”。如果您最近登录过AWS，请选择“登录控制台”。若未显示“创建新亚马逊云科技账户”，请首先选择“登录其他账户”，然后选择“创建新亚马逊云科技账户”。

3. 输入电子邮件地址

   在“根用户电子邮件地址”栏中输入您的电子邮件地址，编辑亚马逊云科技账户名称，然后选择“验证电子邮件地址”。您的邮箱将收到一封包含验证码的电子邮件。

   提示： 使用公司电子邮件通讯组列表（例如 it.admins@example.com）作为根用户电子邮件地址，以便在员工变动时保持账户访问权限。

4. 验证电子邮件地址

   输入您收到的验证码，然后选择“验证”。

5. 设置密码

   创建并确认您的根用户密码。

6. 添加联系信息

   选择“个人”或“企业”账户类型，并填写相应的个人或企业信息。

7. 阅读并接受用户协议

   细读亚马逊云科技客户协议，确认无误后选择“继续”。

激活您的亚马逊云科技账户

1. 添加付款方式

   在账单信息页面上，输入您的付款信息并进行验证。

2. 验证电话号码

   在确认身份页面上，选择接收验证码的联系方式并输入您的手机号码。

3. 选择支持服务计划

   在选择支持计划页面上，根据您的需求选择一个合适的计划。

4. 等待账户激活

   激活过程通常在几分钟内完成，但最长可能需要24小时。完成后，您将收到一封电子邮件确认。

Amazon Web Services (AWS) Elastic Compute Cloud (EC2) 使用两个主要的度量标准来描述其实例（虚拟服务器）的计算能力：ECU 和 vCPU。

ECU (EC2 Compute Unit)
定义：ECU 是 AWS 定义的一个度量单位，用于描述 EC2 实例的计算能力。它提供了在不同 EC2 实例类型和配置之间比较计算能力的一种方式。

目的：ECU 旨在创建一个标准化的计算测量标准，使开发者能够轻松比较各种实例类型的相对计算能力。

计算：1 ECU 提供了等同于一个 2007 年的 1.0-1.2 GHz Opteron 或 Xeon 处理器的 CPU 容量。

使用场景：ECU 主要用于帮助用户在选择 EC2 实例时，能够更加明确地理解不同实例的计算能力，并据此做出决策。

vCPU (Virtual Central Processing Unit)
定义：vCPU 是一个虚拟处理器，或者说是一个 EC2 实例上的一个逻辑处理器。

目的：vCPU 用于描述实例的多线程能力，并且是分配给实例的物理核心的数量。

计算：vCPU 的数量取决于实例类型和所选的实例。例如，某些实例类型提供多达 96 vCPUs。

使用场景：vCPU 通常用于描述实例的多线程和多处理能力，以及它能够处理的并发任务数量。

区别
度量标准：

ECU 是一个抽象的度量标准，用于比较不同实例之间的计算能力。
vCPU 是一个更直接的度量标准，表示分配给实例的物理核心的数量。
用途：

ECU 通常用于比较不同实例类型和配置之间的计算能力。
vCPU 通常用于理解实例的并发处理能力。
计算方式：

ECU 是基于一个基准处理器（2007 年的 Opteron 或 Xeon 处理器）的计算能力来定义的。
vCPU 是基于实例的物理核心数量来定义的