Tools landscape
不只罗列产品名称，更关注工具解决什么问题、适合谁，以及它的优势、限制和商业化方式。
API 已连接
32 条记录
Amazon SageMaker JumpStart 是 AWS 提供的机器学习模型中心，包含大量预训练模型。用户可以在 Amazon SageMaker AI 控制台的 Model Hub 中浏览目录、查看示例 notebook 并直接在 SageMaker Studio 中打开。2026 年新增预配置端点部署选项，按低成本、低延迟、通用工作负载等优先级优化，并包含 Neuron 优化配置。同时支持从 Hugging Face 模型发现页面一键跳转到 SageMaker AI 部署。借助 SageMaker Python SDK，用户可以编写可复用脚本完成模型发现、部署、运行示例提示测量延迟和吞吐、以及删除端点等步骤，适用于模型选型和评估。
该工具针对多账户 AWS 组织中管理 Amazon Bedrock 第三方模型私有定价优惠的操作摩擦，提供两条路径：Path 1 为轻量级脚本，可列出管理账户中收到的许可证并生成 dry-run 计划，仅在确认后创建并激活组织级 grant；Path 2 为事件驱动自动化，使用 AWS CDK 部署 EventBridge 规则监听 AWS Marketplace 协议事件，调用 Lambda 校验卖家白名单、创建分布式 grant 并调用 CreateGrantVersion(Status=ACTIVE) 激活。工具支持将 grant 作用于整个组织、指定 OU 或特定账户，并将激活或跳过决策记录到 CloudWatch Logs。该仓库还包含前置条件检查、配置、卖家白名单填充、端到端验证和账单折扣检查等脚本。
该工具是一个开源的 AWS 示例项目，通过 AWS Cloud Development Kit (CDK) 部署一整套自动化修复流水线。AWS DevOps Agent 完成事件调查后发出 Investigation Completed 事件，Amazon EventBridge 触发 devops-agent-trigger Lambda 函数，该函数获取调查摘要并启动 devops-agent-remediation-durable (Lambda Durable Functions)。Durable function 将调查上下文发送给 Amazon Bedrock，由 Bedrock 分析根因并从白名单工具（如 devops-agent-lambda-tool）中选择合适的只读或变更操作。只读操作自动执行，修改基础设施的操作会挂起并等待人工审批（approve/reject）。方案使用 agentic loop 迭代调用 Bedrock、执行工具并回传结果，直到修复完成。整个架构以最小权限配置 IAM，并可通过更新工具注册表扩展新的修复能力，无需修改编排代码。文章提供了一个模拟 Lambda 超时（3 秒改为 30 秒）的端到端演示，并带完整部署和清理步骤。
该项目（AWS 官方示例仓库）提供了一套完整的 CloudFormation 模板和部署脚本，用于快速搭建一个运行在 Amazon Bedrock AgentCore 上的上下文感知 AI 助手。它使用 OpenClaw 作为智能体底座，通过薄封装适配 AgentCore 容器契约；利用 AgentCore memory 的短期事件存储和异步提取策略（用户偏好、语义事实、会话摘要）实现长期记忆；支持命名空间隔离和多索引元数据过滤；按任务路由 Claude Haiku 4.5（文本）和 Claude Sonnet 4.5（视觉）模型；集成 Telegram 作为无服务器前端；通过 prompt caching 降低推理成本。部署支持一键 Launch Stack 或自行构建 ARM64 镜像，源码完整，轻量个人使用成本约 5–9 美元/月（截至 2026 年 7 月估算）。
该项目是一个 AWS 官方示例，使用 AWS CDK 部署一套完整的语音旅行礼宾系统，面向航空公司应用。它通过 WebSocket 接收用户语音，利用 Amazon Nova 2.5 Sonic 进行实时语音到语音理解和生成，并由 Amazon Bedrock AgentCore 托管 agent，通过 MCP 协议与 Amazon Bedrock AgentCore Gateway 连接后端服务。后端由 API Gateway、Lambda、DynamoDB、Cognito、S3、SES 等组成，使用合成航空公司数据。功能包括行程查询、座位变更、餐食偏好更新、航班状态查询、基于 Amazon Bedrock Knowledge Bases 的政策问答（带引用）以及转人工（记录 escalation 并返回参考号和预计等待时间）。示例提供了完整的代码和部署脚本，开发者可以将其作为模板适配到自有航空系统中。
该代码仓库对应 AWS Machine Learning Blog 文章，提供完整的端到端示例，包括创建 Amazon Bedrock Managed Knowledge Base、上传 S3 数据源并触发摄入作业、使用 LangChain 的 AmazonKnowledgeBasesRetriever 进行标准单次检索、使用 langchain-aws 的 agentic_retrieve 函数进行多步规划检索，以及直接调用 boto3 的 agentic_retrieve_stream 以读取规划 trace events。示例还覆盖 IAM 权限配置、将检索结果集成到 LangChain 链（LCEL）、按查询复杂度路由的建议，以及资源清理脚本。它帮助开发者理解和对比两种检索方式：标准 Retrieve 适合单一意图问题，代理式检索适合多部分、比较或多跳问题，但会带来更高的成本和延迟。
该项目是 AWS 博客中介绍的 Adjudicated Query 模式的可部署示例。它使用 Amazon Quick 作为聊天界面，通过 Amazon Cognito OAuth 2LO、API Gateway HTTP API 访问托管在 AWS Lambda 上的 MCP 服务器与规则引擎，后端存储为 Amazon Aurora Serverless v2（Postgres + pgvector），结果可通过 Amazon Quick Sight 仪表板浏览。规则以数据形式存储，模型仅负责自然语言转译与结果叙述，不参与实际判定。每次扫描生成完整性回执（compliant + in-breach + ambiguous + unreadable = scanned），确保无记录被静默遗漏。附带合成数据、CDK 部署脚本和验收测试。
该 GitHub 仓库包含 Amazon Quick API 脚本和模板，可作为使用 Amazon Quick 各组件的起点。配套的 AWS 官方博客文章详细介绍了 Quick Research、Quick Flows、Quick Sight、chat agents 和 action integrations 的提示工程模式与陷阱：Quick Research 需明确目标、受众和关注领域，并拆解子问题、限定来源；Quick Flows 需具体说明 what/when/where，用编号步骤表达复杂逻辑，并通过对话迭代优化；Quick Sight 查询应包含业务问题、指标、维度、时间范围、可视化类型和附加分析；chat agents 需定义清晰身份、连接匹配知识源、设置回退指令并设计具体示例提示；action integrations 需要完整参数、明确动作顺序，并对破坏性或批量操作加入审核步骤。文章还列出了通用及组件特定陷阱，并建议按周推进基础、组件聚焦、高级技术和规模化分享。
该项目给出了一个基于 AWS CDK 的事件驱动参考架构：文件上传至 Amazon S3 后触发 Lambda，在 Amazon DynamoDB 中登记元数据并启动 Amazon Bedrock Data Automation 处理任务；处理完成后由 EventBridge 触发第二个 Lambda 将结果写入 S3 输出桶。Salesforce 侧 Agentforce 通过 MCP Streamable HTTP 连接 Amazon Bedrock AgentCore Gateway，经 Cognito 鉴权后调用 MCP 服务器，返回结构化洞察注入智能体上下文。Bedrock Data Automation 可按文档、图像、视频、音频分别抽取文本、生成摘要、描述、转录和场景级摘要。架构设计为模块化，可扩展到许可审批、福利申请、合规审查等非结构化数据密集的公共部门工作流，同时支持用 GenAI IDP Accelerator 替换处理引擎。示例代码明确标注为非生产就绪，需自行审查加固，并提示间接提示注入风险及 Guardrails、allowlist 等安全措施。
纳米AI提供面向问题检索与智能问答的入口，帮助用户整理资料线索；重要结论应复核原始来源。
百度文心（官方名称：文心）是百度推出的AI助手，提供对话问答、文档解析、写作辅助和信息检索入口。
夸克AI（官方名称：夸克）提供AI搜索、AI助手与浏览器功能，并结合PDF处理和文件工具，适合学习、办公及资料检索。
NotebookLM（Google当前在部分页面称Gemini Notebook）是基于用户提供来源资料的研究与学习助手，可用于摘要、问答和引用核验。
LiblibAI提供在线AI生图、模型与工作流社区，适合视觉创作者探索不同风格和图像生成方式。
万相是视觉生成模型系列，覆盖图像与视频等视觉生成能力；具体可使用入口、模型版本和计费以官方当前产品页面为准，不应视为已经独立核实的单一终端 App。
千问是阿里巴巴推出的AI助手，基于千问大模型提供问答、写作与学习办公辅助；原通义千问用户应以当前官方产品入口为准。
豆包是面向中文用户的AI助手，提供对话问答、写作和语音交互等功能；AI输出应自行核实。
Kimi是用于对话、文档理解、联网搜索和研究任务的AI助手，可在网页及官方客户端使用。
秘塔AI搜索提供全网、文库和学术等检索入口，帮助用户围绕检索结果整理研究线索；关键信息应回到原始来源核实。
剪映是提供 AI 辅助能力的视频创作与剪辑工具，支持视频生成、字幕和音频处理、智能抠像等功能。
即梦AI提供中文提示词驱动的图片与视频创作，以及图像编辑和智能画布，适合视觉素材的创意探索。
WPS Office 内的 AI 办公功能，面向文档、表格、演示文稿和 PDF 的写作、摘要、公式与演示辅助。使用前应核对生成结果。
DeepSeek 官方提供网页对话、移动应用和开发者 API 入口，可用于文字整理与应用接入；实际功能和使用条件以官网为准。
HCLS Agent Skills 是一套面向医疗与生命科学（HCLS）领域的开源 Agent 技能集合，包含 38 个 SKILL.md 结构化 Markdown 文档，覆盖基因组学、药物发现、理赔运营、医学影像等 11 个领域，采用 MIT-0 许可。每个技能在 YAML frontmatter 中声明触发器、依赖和元数据，通过渐进式披露按查询激活，编码领域决策框架、参数表、代码模式和验证标准。技能分为推理技能（如 ACMG/AMP 变异分类框架）和流水线技能（如 GATK4 变异检测命令）。在 AWS 的评测中，配备技能的 Agent 与无技能 Agent 进行成对比较，总体胜率为 69.5%–85.9%，批判性思维维度提升最显著（d=0.65–1.03），输出方差最高降低 61.9%。技能可跨 20 多个服务使用，包括 Amazon Bedrock AgentCore、AWS Strands Agents SDK、Kiro、Amazon Quick Desktop、Claude Code、OpenAI Codex 等。仓库还提供定制指南、设计指南、质量检查清单和评测框架，支持团队按需修改并验证效果。
Amazon Bedrock AgentCore SDK (Python) 提供了将多模型 AI Agent 部署到 Amazon Bedrock AgentCore runtime 所需的集成能力。它采用框架无关的 BYO（bring-your-own）方式，开发者只需在现有 Agent 代码中添加装饰器（BedrockAgentCoreApp、@app.entrypoint、app.run()），即可将 Agent 部署到完全托管的运行时环境。AgentCore runtime 自动管理容器编排、扩缩容、身份和可观测性，降低了基础设施运维开销。该 SDK 支持多模型后端编排，常见组合包括 Amazon Bedrock 上的基础模型（如 Meta Llama 3.1 70B Instruct）、Amazon SageMaker AI 上的领域模型（如 BioM-ELECTRA-Large-SQuAD2）以及容器化模型服务器；并可通过 Amazon OpenSearch Service 实现向量增强的知识检索。此外，该 SDK 兼容 Hugging Face Messages API，能统一不同模型服务的请求与响应格式。迁移到 AgentCore runtime 后，核心 Agent 逻辑保持不变，团队可将精力集中在 Agent 开发上。
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。
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。
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。
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。
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。
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。
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。
