本文介绍了如何使用 Amazon Athena 对 Kiro 提供的 per-user activity 报表进行分析。

随着人工智能越来越深入地集成到企业工作流程中，企业对标准化、安全且可扩展的 AI 工具平台的需求日益增长。由 Anthropic 开发的模型上下文协议 (MCP) 为连接 AI 助手与外部工具和数据源提供了通用标准。当与 Amazon Bedrock 的 AgentCore 功能相结合时，组织可以构建兼具高性能与生产可用性的 AI 生态系统。

海博研发RoadMap 的落地，彻底终结了 AI 编程“对话式玄学”的旧模式，真正落地了AI Native 研发工程化。它证明 AI 规模化赋能研发的核心，不在于堆砌大模型能力，而在于用工程思维重构 AI 的工作范式：用结构化流程替代随机对话，用固化规则约束模型行为，用持续沉淀实现能力复利，用分层架构支撑规模化落地。

本文记录了一次用 Kiro 开发行业垂直软件的完整实践:在 5天跨度内、纯编码约十余小时,构建出一套面向陆上叠前数据的地震多次波压制处理系统,交付约 2,408行代码与文档,涵盖预测反褶积、双曲 Radon 变换、SRME 三种经典算法,以及 CLI、桌面 GUI 与多炮并行流水线。文章以真实的...

往原址览之：https://innei.in/notes/217

大多数重大编解码器专利纠纷最终都以相同的方式告终：要么达成许可协议，要么私下和解。在最关键的问题得到解答之前，公开记录就已经结束了，而这个问题的关键在于，涉案专利是否经得起有效性挑...

本文将介绍 AI-DLC（AI-Driven Development Life Cycle）——亚马逊云科技于 2025 年提出的一套开发方法论——在数据工程场景中的落地实践。我们将通过两个真实案例，展示 AI-DLC 如何在分层建模和数据质量管理这两个数据工程核心场景中发挥价值。

随着大语言模型（LLM）的快速发展，模型规模不断增大，对推理部署的要求也越来越高。在实际项目中，如何高效地在GPU集群上部署和优化大模型推理，已经成为AI基础设施团队面临的核心挑战之一。本文基于多个实际项目的经验积累，系统性地介绍大模型推理部署的方法论、部署方案选型、性能调优以及常见问题的解决方案。

在 Cloudflare Workers 上为 Next.js 生成 Open Graph 图片：Satori/resvg 限制、冷启动与 CPU 时间、R2/CDN 缓存与发布时预热，附可复制的 route 结构与避坑清单（2026）。

这学期的实践周做的是单片机设计，主要是围绕一块89c52rc开发板设计（说是设计其实有现成的参考）一个数字电压表。 说实话现在已经放假了而且今天有点困，就随便写写吧。 软件搞里头 第一天 vibe 一下午的代码没跑通，测试半天发现连 led 翻转的基础代码都跑不动。 第二天发现是因为仿真软件里面 ctrl + f12...

本文介绍了如何将Amazon Quick Chat Agent嵌入自有业务页面，分为一键式嵌入和SDK嵌入两种方式。一键式嵌入适合已登录用户，简单快捷；SDK嵌入适合未登录用户，支持页面控件联动。文章详细阐述了两种方式的实现步骤、安全模型及优缺点，帮助企业整合智能助手功能。

本文探讨如何将 Obsidian 作为 AI 时代的认知承载层，结合 Andrej Karpathy 的理念，利用 Claudian 插件和 CLAUDE.md schema 整合设计决策和 AI 对话历史，提升 AI 效率和上下文理解能力。同时，介绍定期进行 Lint 操作以保持知识库的健康，确保信息的可追溯性和结构性。

本文介绍了如何通过Amazon Bedrock AgentCore Memory实现跨终端的团队记忆共享。利用HOOK和MCP Server，记忆作为独立服务层，支持跨项目和设备的知识管理，包括短期和长期记忆的提取与存储，确保团队经验的自动积累与分享。

OpenClaw.NET 是数字员工的“语义大脑”，负责理解企业而非保存全部数据。在构建数字员工时，企业需明确哪些数据应存入本体，以避免数据同步问题。核心原则是先考虑存储量，再进行本体工程。

最近，作者改进了 kes-cli，将其转变为终端聊天助手，简化数据库排查流程。用户可以通过自然语言询问数据库状态、表结构和执行计划，工具会自动调用相应功能。通过与 KES MCP Server 连接，确保安全性和只读操作，最终生成排查报告。这一改造提升了用户体验和数据库管理效率。

得物在使用OceanBase进行数据库迁移时，强调电商业务对数据库的高要求，特别是在流量波动和事务处理方面。迁移需关注数据库兼容性、运维监控和回滚策略，成功的迁移依赖于团队对数据模型和运维的深刻理解。