01:10官方一手AWS Machine Learning Blog@Claudio Mazzoni精选AWS发布新指南,教工程团队通过OpenTelemetry采集Codex编码代理的指标,并经本地Collector转发至Amazon CloudWatch。方案可按用户、团队和成本中心维度查看使用量与可靠性。文章包含配置步骤和架构示例,适用于已采用Codex并需要治理视图的团队。技巧CodexAmazon BedrockOpenTelemetry推荐理由:想看清团队里Codex用得多不多、稳不稳?这篇教程教你用OpenTelemetry把数据接到CloudWatch,按人、按团队拆开看。原文稍后读已读值得跟进有用关注 Codex
23:54官方一手AWS Machine Learning Blog@Joshua Lacy文章介绍如何使用 Amazon Bedrock AgentCore Observability 监控生产智能体。借助 Amazon CloudWatch 仪表盘,可以定位长时运行会话中的性能瓶颈。通过 CloudWatch 日志和指标,还能诊断内存异常并优化配置。技巧Amazon BedrockAgentCoreCloudWatch推荐理由:如果你有智能体从demo上线后变慢,这篇AWS官方教程教你怎么用CloudWatch和AgentCore找瓶颈、查内存问题,实用。原文稍后读已读值得跟进有用关注 Amazon Bedrock
01:08官方一手AWS Machine Learning Blog@Jose Soto精选本教程教你使用Amazon Bedrock AgentCore构建AWS Support Companion。该智能体采用Strands Agents作为编排框架,通过Model Context Protocol (MCP)连接AWS服务。它能分析CloudWatch日志、检索AWS文档、查询AWS re:Post社区知识,并能创建支持案例。整个方案通过单个AWS CloudFormation脚本部署,并包含基于AWS Amplify的Web前端。技巧Amazon Bedrock AgentCoreMCP/工具CloudWatch推荐理由:想自己搭一个能查日志、搜文档、开工单的AWS支持机器人吗?看这篇教程,用Bedrock AgentCore和MCP协议,一套脚本搞定。原文稍后读已读值得跟进有用关注 Amazon Bedrock AgentCore
07:41官方一手AWS Machine Learning Blog@Apoorva Chandra精选Amazon SageMaker AI 提供全托管实时推理,支持单模型端点(SME)和推理组件(IC)两种架构。通过 CloudWatch 详细指标和 Insights 仪表盘,用户可监控生成式 AI 推理的延迟、吞吐量等关键指标。该仪表盘支持自定义视图和异常检测,帮助快速定位性能瓶颈。SME 和 IC 端点均能集成此观测能力,适用于生产环境的调试与优化。技巧SageMakerCloudWatch生成式 AI推荐理由:AWS 教你用 CloudWatch 盯着 SageMaker 上的生成式 AI 推理,有详细指标和仪表盘,调性能抓问题都好使。原文稍后读已读值得跟进有用关注 SageMaker