AWS公布智能体框架AAIF构建方法：简单任务交给本地SLM，复杂请求转给Bedrock
发布 2026年10月22日
已核实（事实）
AWS介绍了基于Strands Agents构建的Adaptive Agentic Intelligence Framework（AAIF）。日常任务由通过Ollama运行的本地小型语言模型处理，复杂请求则转交Amazon Bedrock上的云端模型。文章以IoT监控场景说明构建过程。
意义（解读）
这是混合使用本地与云端模型、以调节成本和延迟的混合智能体设计参考案例。
来源
更多关于 AWS
-
Amazon Polly Generative 引擎大幅升级：表现力与准确度提升，9 个区域设置新增 14 种语音，正式支持印地语和芬兰语
AWS 升级了 Amazon Polly 的 Generative 引擎，使其能以低延迟生成更具表现力、更准确的语音。在 9 个区域设置（locale）中新增 14 种语音，并正式支持印地语和芬兰语。无需修改现有代码即可生效，已在生产环境中正式发布。
-
AWS 发布两篇指南：在 SageMaker AI 上逐句流式运行 Kokoro-82M TTS，并依据实测值设定自动扩缩容标准
AWS 介绍了为降低语音智能体响应延迟而采用的方法：智能体每生成一句话就立即发送给 Kokoro-82M 合成语音，并通过 Server-Sent Events 或统一二进制传输返回浏览器。另一篇文章说明了在通过自定义容器部署的 Kokoro-82M 端点上测量...
-
AWS 发布在 HIPAA 适用环境中用 Amazon Quick 部署 AI 智能体的指南
AWS 指出 Amazon Quick 虽是符合 HIPAA 资格的服务，但资格与合规是两回事，并梳理了 HIPAA 适用对象、PHI 在服务内的流转路径、面向受监管环境的功能，以及在医疗环境中部署合规智能体的分步流程。
-
AWS SageMaker AI“training sessions”正式上线，无需管理 GPU 即可自行编写后训练循环
AWS 为 SageMaker AI 无服务器模型定制新增“training sessions”功能并正式发布。用户可用 Python 脚本自行编写 SFT、强化学习、自定义损失函数与奖励信号、多轮强化学习等后训练循环，GPU...
-
AWS公布在Trainium上用torchtitan训练Qwen3的三种路径
AWS整理了在单台trn2.48xlarge上用torchtitan训练Qwen3的三种方法：使用Hugging Face Transformers v5建模后端、使用torchtitan自带的Qwen3实现，以及使用NKI...