發佈於:

2026年5月4日

Amazon SageMaker AI 現推出一種代理式體驗，可將模型自定義從耗時數月的過程轉變為僅需數天或數小時即可完成的工作流程。構建人工智能解決方案的客戶需要精心制定其使用案例目標和成功標準，準備數據，選擇正確的模型，使用各種模型和微調技術配置、運行和分析多個實驗。一旦確定了符合成功標準的合適候選模型，他們就需要找出最具成本效益的方法來部署模型。在整個工作流程中，客戶需要處理無差別的繁重工作，即設置基礎設施以訓練和部署模型。現在，這項新功能使開發人員能夠使用自然語言與編碼代理進行交互，從而簡化從使用案例定義到高質量模型生產部署的整個過程。

該代理式體驗基於 SageMaker AI 模型自定義代理技能，可提供以下方面的專業知識：應用於構建者特定使用案例的微調、向所需數據格式的轉換、使用 LLM-as-a-judge 指標進行全面質量評估以及對 Amazon Bedrock 或 SageMaker AI 端點的靈活部署選項。客戶可以將這些技能安裝在他們選擇的任何 IDE 中，例如 Visual Studio 和 Cursor。開發人員可以使用包括 Kiro、Claude Code 和 CoPilot 在內的多種編碼代理，以優化 Amazon Nova、Llama、Qwen 和 GPT-OSS 等熱門模型系列。該體驗通過集成到 AIOps 管道來生成可重用、可編輯的代碼構件，以實現透明度、可再現性和自動化。

使用 sagemaker-ai agent plugin，在您常用的 IDE 中安裝 SageMaker AI 技能。SageMaker AI 模型自定義技能在 SageMaker Studio Notebooks 中提供並預裝，並配有 Kiro 編碼代理。您只需註冊以訂閱 Kiro，在 Studio Notebooks 中打開聊天窗口，然後開始與代理聊天即可構建工作流程。該體驗支持高級自定義技術，包括用於指令調整的有監督微調、用於調整語氣和偏好選擇的直接偏好優化，以及適用於可驗證正確性使用案例的強化學習。

要了解有關使用 Amazon SageMaker AI 中的人工智能代理體驗進行模型自定義的更多信息，請訪問 SageMaker 模型自定義文檔。

美國東部（弗吉尼亞州北部）– us-east-1

歐洲地區（愛爾蘭）– eu-west-1

美國西部（俄勒岡州）– us-west-2

亞太地區（東京）– ap-northeast-1