AI工具82.0
Amazon SageMaker Feature Store 推出 UpdateRecord API，实现特征级写入。该 API 允许用户仅提供需要变更的特征值，即可原子更新现有记录，不再需要读取完整记录、在应用代码中合并、再写回整条记录。
主要特点：
- 适用于 Standard（Amazon DynamoDB 后端）和 In-Memory（Amazon ElastiCache 后端）在线存储层。
- Standard 层需使用新的 Standard_V2 存储格式；在创建特征组时通过 OnlineStoreConfig.StorageType='Standard_V2' 启用。In-Memory 层自动支持。
- UpdateRecord 严格为修改操作，记录必须已存在；一次调用最多更新 100 个特征。
- 支持基于 EventTime 的顺序控制：若提供的 EventTime 早于当前记录时间，更新将被拒绝（HTTP 409）。
- 可选 TTL 设置（需同时提供 EventTime）。
- 离线存储自动同步：每次更新会发送完整记录快照到离线存储，保证训练数据集一致。
- 新增 IAM 条件键 sagemaker:IsUpdateRecord 和 sagemaker:UpdatableFeatures，实现细粒度的特征更新权限控制。
- 现有禁止 sagemaker:PutRecord 的 IAM 策略也会自动阻止 UpdateRecord。
- 提供两种从 Standard 迁移到 Standard_V2 的策略：批量迁移（使用 Feature Processor）和就地切换（使用 UpdateFeatureGroup API）。
- 定价与 PutRecord 相同，但节省了读取容量（RCU）费用。
- 适合
- 机器学习工程师
数据科学家
MLOps 工程师
数据平台团队
实时特征工程开发者
AI工具90.0
这是 AWS 官方提供的开源示例，部署于 Amazon Bedrock AgentCore runtime，通过 MCP Apps 扩展 Model Context Protocol（MCP），在 ChatGPT、Claude 等 AI 宿主内直接渲染交互式 HTML 小组件。示例应用 Unicorn Rentals 注册了 list_unicorns、book_unicorn、view_bookings、return_unicorn 四个 MCP 工具，并配套提供 unicorn-list、booking-confirmation 等组件资源；架构使用 AWS Lambda 承载业务逻辑、Amazon DynamoDB 持久化、AWS WAF 防护、CloudFront + S3 提供图片，MCP 服务器仅作为薄协议适配层。项目可通过 AWS CDK 一键部署，并将输出的 GatewayResourceUrl 连接到 ChatGPT 或 Claude.ai。
- 适合
- 希望在多个 AI 宿主中提供富交互服务的开发者
需要构建或集成 MCP 应用的企业 AI 架构师
正在评估 Amazon Bedrock AgentCore 的云平台团队
AI工具88.0
Amazon SageMaker AI Model Registry sync 是一项可选开启的自动模型注册功能。当在 MLflow 应用上启用 AutoModelRegistrationEnabled 模式后，数据科学家在 MLflow 中注册的每个模型都会自动在 SageMaker AI Model Registry 中创建对应的模型包组和版本，并同步训练元数据、评估指标（以模型卡片形式呈现）、推理规范（支持直接从注册表部署）和血缘关系。该功能还支持通过 MLflow 别名（sagemakerlifecycle-{stage}-{status}）驱动生命周期阶段提升，结合 IAM 条件键和资源标签实现基于角色的治理控制。生命周期变更会发出 Amazon EventBridge 事件并记录审计跟踪。使用该功能需要 sagemaker-mlflow 插件 0.5.0 或更高版本。
- 适合
- 数据科学家
模型治理官员
平台管理员
机器学习工程师
AI工具89.0
该 GitHub 示例提供一套可部署的 AWS CDK 架构，用于系统化地评分、整合和修剪 Amazon Bedrock AgentCore 代理记忆。方案将记忆分为情景、语义和程序三类，分别应用 TTL 过期（默认 90 天）、基于 CloudTrail 访问数据的三因子衰减评分，以及 Amazon Bedrock LLM 驱动的低分记忆整合。工作流由 EventBridge 定时触发 Step Functions 执行，包含 TTL 清理、评分、整合、指标发布和结果落盘，并提供 GDPR 删除处理器、CloudTrail 审计和基于 AgentCore Evaluations 的回归测试套件。所有阈值和权重均可通过 CDK context 调整。
- 适合
- 在 Amazon Bedrock AgentCore 上构建和运维长期运行 AI 代理的开发者与运维人员
需要管理客户支持、销售咨询或 IT 帮助台代理记忆的团队
关注 GDPR 合规和审计能力的生成式 AI 应用负责人
AI工具94.0
该项目提供了一个基于 AWS 的参考实现，通过单一 WhatsApp Business 号码接收客户订单。系统使用 Meta WhatsApp Business Platform 作为前端，Amazon Bedrock AgentCore 托管三个代理运行时（文本、语音留言、语音通话），分别由 Amazon Nova 2 Lite 和 Amazon Nova 2 Sonic 驱动。所有渠道共享一个跨渠道记忆（AgentCore memory）和通过 Model Context Protocol (MCP) 暴露的后端工具。整个系统使用 AWS CDK 一键部署，包含 API Gateway、Lambda、SQS、DynamoDB、Amazon Location Service 等组件。项目仓库包含完整的源代码、部署脚本和配置说明。
- 适合
- 快速服务餐厅和餐饮企业
希望构建多渠道对话式 AI 助手的开发者
需要跨渠道客户交互的零售、医疗、现场服务等企业
对 Amazon Bedrock AgentCore 和 WhatsApp Business API 感兴趣的技术团队
AI工具91.0
该项目位于 amazon-bedrock-samples 仓库的 rag/managed-knowledge-bases/07-IaaC/managed-kb-observability-cfn/ 目录，提供完整的 CloudFormation 模板、部署脚本、驱动 notebook 和工具集。它使用两个 Amazon Bedrock 托管知识库（金融和天气语料）演示智能体跨知识库路由。Agent 通过 AgentCore Gateway（基于 MCP）调用每个知识库的 AgenticRetrieveStream API，完成多轮规划、检索和带引用的答案合成。解决方案自动部署四个堆栈：01-knowledge-bases（S3、知识库、数据源、摄入）、02-agentic-gateway（AgentCore Gateway 及工具）、03-agent-runtime（ECR、CodeBuild、OTel 仪表化 agent 镜像、运行时、在线评估配置）、04-dashboards（两个 CloudWatch 仪表盘）。可观测性覆盖七层：KB 原生指标、摄入状态、检索质量、Gateway 指标、OTel 跨度追踪、Token 用量、评估分数。评估支持按需（notebook 触发 AgentCore Evaluate）和持续（在线评估配置，采样实时流量），评估器包括正确性、忠实度、工具选择准确性和响应相关性。示例包含合成财务 10-K 和真实的美国国会研究服务龙卷风报告。
- 适合
- 企业 AI/ML 工程师
云架构师
DevOps 工程师
需要构建可观测 RAG 或 Agent 系统的团队
AI工具85.0
Claude Fable 5.1 是 Anthropic 推出的最新前沿 AI 模型，现已在 Amazon Bedrock 和 Claude Platform on AWS 上提供。该模型在竞赛数学、研究生级工程和科学问题等困难推理测试中表现出色，并在智能体编码、自主操作、端到端知识工作和科学研究方面进行了优化。作为 Covered Model，其使用需配置 aws_review 模式，数据保留最长 30 天并可能进行人工审查，但符合条件的客户可通过 Enterprise Frontier Safeguards (EFS) 实现零数据保留。用户可以通过 Amazon Bedrock 控制台、Anthropic Messages API 或 Invoke/Converse API 进行调用，支持 US Geo CRIS、Global CRIS 和 AWS GovCloud 等区域。
- 适合
- 开发者
数据科学家
企业 AI 团队
科研人员
金融、会计、医疗等敏感行业用户
AI工具92.0
该项目提供完整的端到端解决方案，通过 AWS CloudFormation 一键部署无服务器后端，包括 Amazon Cognito 用户池、API Gateway、Lambda 和 CloudFront。Lambda 函数自动将 Cognito 用户同步为 QuickSight 的 READER 角色，并调用 GenerateEmbedUrlForRegisteredUser API 生成仅限特定 DashboardId、SheetId 和 VisualId 的嵌入 URL。前端使用 QuickSight Embedding SDK 的 embedVisual() 方法渲染单个视觉对象，支持通过 SDK 运行时 API 将 React 自定义筛选器直接应用到视觉对象。项目包含用户注册、权限授予和允许列表配置的完整步骤，适用于需要将 QuickSight 分析能力嵌入自有应用并实现按用户数据隔离的场景。
- 适合
- 需要在 React 应用中嵌入 QuickSight 视觉对象的开发人员
希望实现按用户权限控制分析内容的企业应用团队
使用 AWS 无服务器架构构建嵌入式分析功能的架构师
AI工具91.0
Amazon Quick Automate 可协调跨部门、系统、UI/API 及第三方应用的智能体团队，支持从自然语言描述生成生产就绪的自动化流程。最佳实践包括：先识别正确流程并重构目标流程，删除不必要步骤；设计职责清晰的聚焦型智能体，限制其工具和操作范围；使用 Structured Output 定义返回数据的精确结构；将智能体步骤与确定性步骤（代码步骤、控制流）结合；在高风险场景使用阻塞式或非阻塞式人工审核；基于历史数据构建评估集，利用自定义单元测试隔离验证单个智能体；通过执行日志和 CloudWatch 指标实现可观测性；支持服务认证和基于用户的三方 OAuth。
- 适合
- 流程自动化工程师
业务流程负责人
企业IT决策者
开发者
AI工具87.0
该仓库配套 AWS Machine Learning Blog 文章，提供从本地 LangGraph 代理迁移到 Amazon Bedrock AgentCore 的完整演练。迁移分为四个阶段：Stage 0 保留现有代理作为基线；Stage 1 将代理运行在 BedrockAgentCoreApp 上，工具通过 AgentCore Gateway 发布为 MCP 工具，会话状态存入 AgentCore Memory；Stage 2 将手写路由替换为 Strands Agents 的模型驱动规划，并用 AgentCore Policy（Cedar 规则）控制工具调用；Stage 3 记录了将循环交给 AgentCore harness 的路径。仓库包含可运行代码、测试和部署脚本，并统计了各阶段代码改动量。
- 适合
- 在 AWS 上运行 LangGraph、CrewAI、LlamaIndex 等代理框架的开发者
希望将自托管代理迁移到 Amazon Bedrock AgentCore 的工程团队
需要降低代理生产环境运维负担的企业用户
已经使用 Amazon Bedrock 推理并想采用托管代理服务的构建者
AI工具84.0
Amazon Bedrock AgentCore 提供运行时基础设施，支持容器化智能体、持久内存、安全网关和外部工具集成。该服务允许团队使用任何框架或模型构建智能体，并通过事件驱动架构部署到生产环境。两个参考实现展示了其能力：一是从 SQL 架构自动生成 Mermaid ER 图，二是通过多智能体架构进行代码安全分析。两者均利用 AgentCore runtime、AgentCore Gateway 和 AgentCore memory 等核心能力，并支持 OpenTelemetry 追踪和 Amazon Cognito M2M 认证。
- 适合
- 开发人员
DevOps 团队
数据工程师
安全团队
AI/ML 工程师
AI工具82.0
该工具提供了一个完整的元数据修正与协调工作流，使用 Amazon Bedrock、Amazon S3、Amazon DynamoDB、Amazon Cognito 和 Amazon ECS 构建。工作流包括三个主要阶段：模式对齐（通过 LLM 语义分析识别列结构问题）、元数据字段验证（检查必填字段、枚举值和格式模式），以及推荐生成（采用分层方法：词嵌入、上下文推断、模糊匹配和 LLM 回退）。系统支持人类反馈循环和基于 Model Context Protocol (MCP) 的智能体驱动自动化，使组织可以从受监督的修正逐步过渡到完全自动化的流程。提供了详细的部署指南和 GitHub 代码仓库。
- 适合
- 生物医学研究人员
数据管理员
数据贡献者
需要元数据标准化的组织
AI工具87.0
ADOP 是 AWS 发布的代理式数据运营平台参考架构，利用 Amazon Bedrock 和 AI 编码工具（Claude Code、Kiro、Cursor、Codex）在开发环境中自动生成确定性数据管道工件，如 PySpark、SQL、Airflow DAG、IAM 和 Cedar 策略。代理在开发阶段运行，通过 CI/CD 将审核后的工件提升到生产环境，生产运行时默认不调用模型，保证可审计性。ADOP 内置架构契约、决策引擎、护栏和内联合规控制，确保所有工程师和 AI 工具遵循统一的企业标准。它支持本地优先开发，并可扩展到 Amazon Bedrock AgentCore 托管运行时，适用于企业数据接入、受监管管道、AI-ready 数据层自动维护和多工具 AI 开发治理等场景。
- 适合
- 数据工程负责人
工程副总裁
首席数据官
数据平台总监
平台工程师
数据工程师
AI工具87.0
本工具包提供了完整的 Amazon Bedrock 成本归因方案。通过启用 CUR 2.0 中的 IAM 主体数据（caller identity），您可以捕获每个推理请求对应的 IAM 主体，并使用 Amazon Athena 进行 SQL 查询分析。提供了三个查询模式：按 IAM 主体和用量类型汇总成本、按已知 IAM 主体标签（如团队、项目）分组、以及使用 UNNEST 动态发现所有 IAM 主体标签。此外，CUDOS 仪表板 5.8 版本新增了 Amazon Bedrock 部分，支持按 IAM 主体、标签、模型等维度分组，展示每百万 token 成本趋势，并提供交互式下钻功能。该方案还包含一个可选的 agent.md 技能仓库（本仓库），用于自动化配置 Athena 与 CUR 数据的连接。适用于需要精细成本归因和可视化分析的 AWS 用户。
- 适合
- 云财务分析师
平台工程师
数据工程师
使用 Amazon Bedrock 的团队
成本优化负责人
AI工具84.0
orcarouter/Qwen3.8-27B-Uncensored-FP8 是一个基于 Qwen/Qwen3.8-27B 的量化模型，采用 FP8 精度，并经过 abliterated 处理，移除了部分安全对齐。该模型支持图像-文本到文本的多模态输入，具备函数调用、推理和 MTP 能力，兼容 vLLM 和 transformers。模型标签包含 uncensored、ai-red-team、red-teaming 等，主要面向 AI 安全研究和红队测试场景。许可证为 Apache 2.0，支持英语和中文。截至抓取时，模型下载量为 15,812 次，点赞 423 次，趋势分 373。
- 适合
- AI安全研究人员
红队测试人员
对无审查模型感兴趣的开发者
多模态模型研究者
AI工具82.0
该工具基于Model Context Protocol（MCP）标准，采用客户端-服务器架构。云端AgentCore运行时作为MCP客户端，浏览器扩展作为中继，本地MCP Bridge作为代理，将原生消息封装格式与MCP JSON-RPC相互转换，并通过stdio与本地MCP服务器通信。整个流程无需将用户凭证暴露给浏览器，支持自动重新连接和并发工具调用。示例代码基于AWS官方示例仓库，已通过验证。
- 适合
- 金融分析师
AI应用开发者
AWS云架构师
需要云端AI访问本地文件的企业用户
AI工具89.0
HarnessRouter 是一个面向 Agent Harness 的统一接口工具，旨在解决不同 Harness 之间请求/响应格式互不兼容的问题。它提出并实现了 Unified Harness Protocol (UHP)，标准化应用与 Harness 之间的交互，覆盖 Harness 选择与配置、任务执行、事件流、会话启停与恢复、工件管理与交付、失败处理等能力。用户可通过 Docker 镜像在本地快速启动 HarnessRouter，在 Web 界面中添加模型供应商凭据，并配置 Codex、Claude Code、Hermes 等基础 Harness，支持自定义指令、MCP 工具和技能。项目还提供 AGENTS.md 和 starter kits，演示 PPT、电子表格、BI 仪表盘和视频生成等典型 Agent 产品，帮助开发者在统一协议的基础上快速集成和构建 Agent 应用。
- 适合
- 需要将 Agent 能力集成到产品中的后端工程师
构建 Agentic 应用的开发者
评估统一 Harness 接口的 AI 产品和平台团队
AI工具90.0
该套件基于 Anthropic 的开放 Agent Skills 格式，为编码代理（如 Claude Code、Kiro、Cursor、Codex）提供专门知识和流程，使其能够通过代码方式完成 Amazon Bedrock Automated Reasoning 策略的端到端生命周期管理。套件包含六个技能，分别对应策略构建（builder）、审查（reviewer）、测试（tester）、调试（debugger）、部署（deployer）和验证（validator）阶段。每个技能包含 SKILL.md 指令文件、references/ 深度参考文档和可运行的 Python 脚本，脚本支持 --help 和 --dry-run 标志，方便审计请求。套件还封装了并发构建槽位限制等约束。
- 适合
- 使用 Amazon Bedrock 的开发者
AI 工程师
负责 AI 合规与治理的团队
希望将策略管理代码化的组织
AI工具80.0
Jaktra是由Jaktra-org开发的开源AI驱动信用运营平台。它结合了TypeScript、FastAPI、LangGraph和React等技术，旨在自动化应收账款管理、催收流程、信用风险评分以及收入恢复。平台定位为B2B SaaS和企业级软件，可帮助企业优化现金流和财务运营。目前项目处于早期阶段，GitHub上星标数较少。
- 适合
- 财务团队
信贷管理人员
应收账款部门
企业运营管理人员
AI工具82.0
NOBS 是一个面向 Apple 设备的私有、本地优先 AI 助手项目，技术栈包括 SwiftUI、FastAPI 和 Ollama。它强调隐私保护和数据本地化，并支持通过审批门控的自动化操作来增强安全性。项目目前处于早期阶段，Star 数较少。
- 适合
- Apple 设备用户
隐私敏感用户
本地优先 AI 爱好者
Homelab 爱好者
AI 搜索 / 浏览器内推理62.3
一个极简网页搜索平台，结合元搜索与可直接在浏览器运行的 AI 助手，用于搜索、问答和检索增强。项目公开仓库显示其主要使用 TypeScript，并提供在线演示。
- 适合
- 重视隐私的个人用户、研究人员、开发者，以及希望自行部署轻量 AI 搜索体验的小团队。
- 定价
- 开源项目；是否提供商业托管或支持服务，以项目官方页面的最新说明为准。
