즐거웠던 대만 FF45 현장✨💗 내 인생에 브라운더스트2를 만난건 정말 행운이야..💓 이번 웨딩이클립스도 좋아해주셔서 감사합니다💍💗 託這次臺灣活動的福，度過了非常有意義的時間。 謝謝你和我在一起。 我愛你…💓

AWS 资深专家解决方案架构师 Daniel Abib 在官方博客里算了一笔账：同步调用时，Lambda 的计费时长几乎等于 agent 思考的时长，等待本身在按全量计算计费。 《在无服务器流水线中异步调用 Amazon Bedrock AgentCore agent 的模式》 在无服务器流水线里异步调用 Amazon Bedrock AgentCore agent，可以消除你的 AI agent 处理请求期间的空转计算成本。一个常见的例子是文档校验：在房地产融资的后台办公室里，agent 可以读取房产记录或贷款合同，推理信息是否完整、一致，然后返回一个下游步骤据此行动的结论。Amazon Bedrock AgentCore 提供了一个平台，让你能用任意框架或模型大规模地构建、连接和优化 agent。 这类 agent 带来一个传统流水线步骤没有的特性：它们在回答之前要思考一会儿。思考多久取决于提示词、模型和文档，但很少是即时的，而这个延迟改变了你调用它的方式。最常见的首版实现是用一个计算服务（比如 AWS Lambda 函数）调用 agent 并等待响应。函数等待期间什么都不做，但它仍在运行，每一秒都在计费。 值得看清成本到底落在哪里，因为调用的两侧计费方式不同。Amazon Bedrock AgentCore runtime（Amazon Bedrock AgentCore 的一项能力）采用基于消耗的计费模型，agent 空闲时不收 CPU 费用。例如，在等待大语言模型生成响应、或等待工具或 Model Context Protocol（MCP）调用返回的这段时间里，你只按内存计费，不按 CPU 计费。调用 agent 的那个计算服务没有这种特性。发出同步调用的 Lambda 函数、容器或 Amazon EC2 实例会一直阻塞，在 agent 响应之前始终持有（并支付）完整的计算配额。所以浪费不在 agent 一侧，而在调用方——它挂在一个打开的连接上空转。 这就让调用方的成本跟着 agent 的运行时间走。阻塞在 agent 上的函数，计费时长几乎等于整个处理时间；而启动 agent 后立即返回的函数，只按短暂的派发计费。解法是在等待期间释放调用方的计算资源，等 agent 出了结果再恢复流水线。本文展示三种做到这一点的模式（task-token 回调、直接服务集成、durable function），并与阻塞式反模式对比。 示例流水线 为了让各模式在同等条件下比较，我们把每个模式都跑在同一条流水线上，只更换调用 agent 的那一步。这条流水线是一个刻意简单、虚构的场景（房地产融资文档校验），选它只是为了把编排讲清楚。它不是本文的重点，它代表任何先调用 agent（或其他慢服务）、再对结果采取行动的流程，你可以把自家用例代入。 流水线有五个阶段： 1. Extract：一个 Lambda 函数对文档做 OCR 和文本提取。（提取是模拟的，所以场景不需要真实文档。） 2. Identify：一个 Lambda 函数对文档分类并设置路由标志（shouldOrganize、shouldValidate）。 3. Route：一个 Choice 状态根据这些标志决定流程走向。 4. Organize and Validate：一个 Parallel 状态在组织文档的同时，让 Amazon Bedrock AgentCore agent 在另一个分支里做校验。这个 Validate 分支是各模式之间唯一变化的部分。 5. Result：一个 Lambda 函数处理 agent 的结论，决定下一步动作（批准，或退回修改）。 图示如下：水平流程依次是 Start、Extract、Identify、Route（Choice）、并行的 Organize-and-Validate 阶段、Result、End，Validate 分支被标为可更换，图例列出了它的四种实现方式：阻塞反模式、模式 1（task token）、模式 2（直接集成）、模式 3（durable function）。流水线本身在每种情况下保持不变，只有 Validate 分支被换掉来演示各自的调用模式。 同一个 Amazon Bedrock AgentCore agent 服务全部四种情况。agent 检查每次调用并选择如何响应：如果收到 AWS Step Functions 的 task token，就在完成时唤醒那个执行；如果收到 durable function 的 callback ID，就唤醒那个 durable function；两者都没收到，就直接在响应里返回结论。这意味着你可以更换编排模式，而不必修改或重新部署 agent。 agent 如何不阻塞调用方就把控制权交回来 机制是 agent 的 action group 里的一个"归还控制权"动作。agent 推理结束后，调用一个 Lambda，把结果和 task token 发回 Step Functions。（后面的模式 2 会让 Step Functions 直接与 AgentCore 集成，完全省掉这个 Lambda。） 下面这段代码是这个 Lambda 的核心： The tool the agent calls once it reaches a verdict @tool def conclude_validation(approved: bool, issues: list, summary: str) -> str: verdict = {"approved": approved, "issues": issues, "summary": summary, "source": "agentcore"} # A Step Functions task token was passed: resume that execution if task_token: sfn.send_task_success(taskToken=task_token, output=json.dumps(verdict)) return "Step Functions resumed." # A durable-function callback ID was passed: resume the durable function if callback_id: lambda_client.send_durable_execution_callback_success( CallbackId=callback_id, Result=json.dumps(verdict).encode("utf-8")) return "Durable function resumed." # Neither was passed: this is a synchronous call, return the verdict inline return "Verdict recorded." 入口函数根据同样的信号决定在后台跑还是同步跑： @app.async_task async def validate_document_async(prompt, document, extracted_text): # Background work; conclude_validation fires the right callback when done agent = build_agent() await agent.invoke_async(message(prompt, document, extracted_text)) @app.entrypoint async def handler(event): task_token = event.get("taskToken") # passed by the task-token pattern callback_id = event.get("callbackId") # passed by the durable-function pattern # Asynchronous: start the work and return "accepted" right away if task_token or callback_id: asyncio.create_task(validate_document_async(...)) return {"status": "accepted"} # Synchronous: run now and return the verdict in the response agent = build_agent() await agent.invoke_async(message(...)) return verdict agent 就位之后，本文剩下的部分聚焦于调用它的四种方式。代码和基础设施定义都是示例中的摘录，用来演示每种模式。 调用 agent：四种方式 先讲阻塞式反模式以确立基准成本，再展示避开它的三个模式。 阻塞式反模式 最直接的实现：在同一个 Lambda 函数里调用 agent 并等待答案。它能用，而且实现简单——这正是它如此常见的原因——但函数在 agent 思考的整个期间一直活着。 // The Lambda function blocks here until the agent responds const response = await agentcore.send( new InvokeAgentRuntimeCommand({ agentRuntimeArn: AGENT_RUNTIME_ARN, payload: new TextEncoder().encode(JSON.stringify(payload)), runtimeSessionId: sessionId, }) ); // The function stays alive and billed for the entire time the agent is thinking. 函数的计费时长最终大约等于 agent 的处理时间。后面三个模式消除这段空闲成本，各自做出不同的取舍。特别是模式 2 使用 Step Functions 对 AgentCore Harness (InvokeHarness) 的优化集成，完全去掉 Lambda。 模式 1：task-token 回调 + 派发函数 这个模式在路径里保留一个 Lambda 做自定义逻辑，但去掉空闲成本。Step Functions 用 waitForTaskToken 集成调用这个函数——传入一个 task token 后暂停执行。函数用这个 token 启动 agent，然后在几秒内返回。执行保持暂停，不产生任何计算计费，直到 agent 用这个 token 调用 SendTaskSuccess 恢复它。 // Start the agent, pass the task token, and return without waiting const response = await agentcore.send( new InvokeAgentRuntimeCommand({ agentRuntimeArn: AGENT_RUNTIME_ARN, payload: new TextEncoder().encode(JSON.stringify({ ...payload, taskToken })), runtimeSessionId: sessionId, }) ); // Returning here does not complete the step. Step Functions stays paused until // the agent calls SendTaskSuccess with this task token. return { dispatched: true }; 对应的状态从上下文取出 token，并设置超时和心跳作为安全网——这样沉默的 agent 会让执行干净地失败，而不是无限期停在那里： "ValidateDispatch": { "Type": "Task", "Resource": "arn:aws:states:::lambda:invoke.waitForTaskToken", "Parameters": { "FunctionName": "${ValidateDispatcherFunctionArn}", "Payload": { "taskToken.$": "$$.Task.Token", "document.$": "$.document", "extractedText.$": "$.extract.extractedText", "executionId.$": "$$.Execution.Id" } }, "TimeoutSeconds": 120, "HeartbeatSeconds": 60, "Next": "AgentCoreValidation" } 成本。 Lambda 函数仍然会跑，但只跑到启动 agent 并返回为止：几秒钟，无论 agent 之后要跑多久。你只为这次短暂派发付费，不为等待付费——因为函数在 agent 干活时已经关掉了。等待由暂停的 Step Functions 执行承担，它不为空闲计算计费。这是与阻塞版本的关键区别：阻塞版本里函数的计费时间跟着 agent 的处理时间走。 模式 2：直接服务集成 当你不需要围绕 agent 调用写自定义代码时，可以去掉派发函数，让 Lambda 完全离开路径。Step Functions 可以通过 AWS SDK 服务集成直接调用 Amazon Bedrock AgentCore，所以 agent 的响应直接流入下一个状态。Validate 分支于是变成单个 Task 状态： "ValidateDirect": { "Type": "Task", "Resource": "arn:aws:states:::aws-sdk:bedrockagentcore:invokeAgentRuntime", "Parameters": { "AgentRuntimeArn": "${AgentRuntimeArn}", "RuntimeSessionId.$": "States.Hash($$.Execution.Id, 'SHA-256')", "Payload.$": "States.JsonToString($.prep.agentInput)" }, "ResultSelector": { "raw.$": "$.Response" }, "TimeoutSeconds": 120, "Next": "ParseVerdict" } 成本。 路径里没有 Lambda，所以没有空闲的 Lambda 计算可付。Step Functions 承担等待，Standard 工作流按状态转换计费而不是按等待时长计费——处理期间的实质成本只有 agent 本身。 模式 3：Lambda durable function 如果你更愿意用代码而不是状态机来表达编排，Lambda durable function 给你同样的成本行为。用 @aws/durable-execution-sdk-js SDK，流水线阶段变成 context.step 调用，并行工作变成 context.parallel，等待 agent 变成 context.waitForCallback。等待期间函数挂起，不计计算费。agent 用 SendDurableExecutionCallbackSuccess 恢复它。 // Suspend the function until the agent calls back const result = await ctx.waitForCallback( "validate-agentcore", async (callbackId) => dispatchAgentCore(callbackId, document, extractedText, executionId), { timeout: { seconds: 120 } } ); 成本。 一个函数承载整条流水线，但挂起等待 agent 期间不按计算计费。你只为挂起之间短暂爆发的那几次执行付费——与 task-token 模式相同的经济性——而不是为等待付费。 测量差异 重点不是某个具体数字。agent 的运行时间随提示词、模型和文档变化。重要的是 task-token 模式里两个值之间的关系：Validate 状态活跃了多久，对比派发函数实际被计费了多久。我们测试中的单次运行让这个关系可见： Step Functions, ValidateDispatch state Returned (TaskSubmitted): 14:08:19 <- the function returned and shut down Resumed (TaskSucceeded): 14:08:34 <- the agent woke the execution State active ........ 19.6s Lambda, dispatcher function (CloudWatch REPORT) Billed duration ..... 4.8s Result: the state was active for 19.6s, but the function was billed for 4.8s. The ~14.8s in between is wait time with no Lambda function running. 在 Step Functions 的事件历史里也能看到同样的事：task-token 模式下，TaskSubmitted 事件（函数返回）与 TaskSucceeded（agent 恢复流程）之间隔着 agent 的处理时间。同步调用没有这样的间隔。 下表总结了每种模式下 Validate 分支（前面图示中高亮的部分）的实现方式： • 编排器：阻塞＝Step Functions；模式 1＝Step Functions；模式 2＝Step Functions；模式 3＝Lambda（代码） • 路径中的 Lambda：阻塞＝有，存活且计费；模式 1＝有，但提前返回；模式 2＝无；模式 3＝durable function 本身（挂起） • 等待期间的空闲 Lambda 计算：阻塞＝为整个等待付费；模式 1＝无；模式 2＝无；模式 3＝无 • agent 调用周围的自定义代码：阻塞＝有；模式 1＝有；模式 2＝有限（状态转换）；模式 3＝有 • 调用方与 agent 解耦：阻塞＝否；模式 1＝是；模式 2＝否；模式 3＝是 • 相对复杂度：阻塞＝最低；模式 1＝较高（token 和回调的 IAM）；模式 2＝最低；模式 3＝中等（检查点/重放） 读这张表时有一个提醒：总流水线时长不是有用的比较指标，因为它被 agent 自己的推理时间主导——每次运行都不同，而且在所有场景里基本相同。有意义的差异是等待期间你为多少计算付了钱，这由上表和计费时长读数体现。agent 运行时间增长时，派发函数的计费时间保持平稳。上面的数字来自单次运行，把它们当作这个关系的示意而非基准，请测量你自己的负载。 如何选择模式 下表总结了取舍，帮你选择模式： • 调用方成本：阻塞＝整个 agent 处理时间；模式 1＝几秒（仅派发）；模式 2＝零（无 Lambda）；模式 3＝几秒（仅派发） • 集成工作量：阻塞＝低；模式 1＝中高（IAM、心跳、超时）；模式 2＝低（单个 Task 状态）；模式 3＝中等（检查点-重放模型） • 业务逻辑位置：阻塞＝在 Lambda（前 + 后）；模式 1＝在 Lambda（前 + 后）；模式 2＝只在 Amazon States Language（ASL）（内置函数）；模式 3＝在 Lambda（顺序代码） • 最适合：阻塞＝原型、短 agent；模式 1＝自定义前后处理逻辑；模式 2＝纯编排、无自定义代码；模式 3＝单个函数里的复杂异步工作流 最佳实践 防 agent 永不回答。 给每个 waitForTaskToken 状态设置 TimeoutSeconds，让执行以 States.Timeout 失败，而不是无限期挂起。如果你的 agent 发送心跳，也设置 HeartbeatSeconds 以更快发现死掉的 agent。捕获错误并路由到失败或人工审核路径。 重试时使用稳定的会话 ID。 把 sessionId 设为从执行上下文派生的值（比如 Step Functions 执行名），这样重试会恢复同一个 agent 会话，而不是重新开始。task-token 模式里在派发函数中设置；直接集成模式里在 Task 状态参数中设置。 打开 AWS X-Ray。 在 Step Functions 和 Lambda 配置中启用 Tracing: Active。X-Ray 会精确显示 agent 思考了多久、调用方等待了多久，确认你的模式确实在间隔期间释放了计算。 按速度而不是按 agent 的负载来配派发函数。 派发函数只序列化请求并调用端点。256 MB 内存和 30 秒超时通常就够。重活都在 agent 那边。 成本 这些模式会产生 Lambda 计算、Step Functions 状态转换、durable function 执行存储的费用，以及所有方案共有的 Amazon Bedrock AgentCore runtime 和 Amazon Bedrock 模型推理费用。agent 和模型成本在四种情况下相同。架构只改变编排开销，以及阻塞反模式中浪费的空闲 Lambda 计算。当前价格请查看各服务的定价页。 结论 把 AI agent 放进流水线是简单的部分。让它被经济地调用，才是区分原型与生产设计的地方。阻塞在 agent 上的 Lambda 函数实现简单，却在悄悄烧钱——计费时间里的大部分都在等待。本文展示了三种规避方式：需要在路径里保留 Lambda 时用 task-token 回调；最简单的情况用直接服务集成；偏好用代码表达编排时用 durable function。三者由同一个 Amazon Bedrock AgentCore agent 驱动，它会根据被调用方式调整自己的响应。 完整示例（完整的 agent、状态机定义和 durable function）在 GitHub 的 sample-bedrock-agentcore-async-stepfunctions 仓库。想深入的话，可以看 Amazon Bedrock AgentCore 关于异步任务处理的文档。生产部署请使用 Amazon Bedrock Guardrails，对 agent 的输入输出实施负责任 AI 控制。 原文： #Bedrock# #Serverless# #StepFunctions#

브더 2주년 라이브 방송 끝..💓 너무 즐거운 시간이였어요💓 On the 2nd anniversary live broadcast of Brown Dust 2.. 💓 We had a very meaningful time! Thank you 💓! 在紀念Brown Dust 22週年的直播中...💓我們度過了一段非常有意義的時間！ 謝謝💓！

【Pick Yiwu韓國站 ：時尚飾品激活“潮流經濟”】如今，產自#義烏# 的時尚飾品在韓國市場愈發受到歡迎，並藉助當地的本土落地服務逐漸實現共定標準、共創品牌。今天，中新社《Pick Yiwu》系列走進韓國首爾，看一件件小飾品如何匯聚為充滿活力的“潮流經濟”。

林觉民被捕后，林家躲进乡下。一天，林觉民的继母发现门槛下有一团东西，拿给儿媳陈意映，没想到她看后，当即支撑不住，昏厥在地。 原来这里面有两封信——《禀父书》和《与妻书》。这是林觉民在起义前写给他的老父林孝颖和爱妻陈意映的。 当陈意映看到信中写道“意映卿卿如晤：吾今以此书与汝永别矣！吾作此书时，尚是世中一人；汝看此书时，吾已成为阴间一鬼……” 看完信的陈意映顿时昏了过去。此时的陈意映怀着身孕，醒来的她多么希望这是一场梦。 陈意映出生于1891年，父亲是知县，出身于书香门第的她从小受父母教诲，喜爱朗读诗书，还曾写过一卷关于《红楼梦》中人物的诗歌，妥妥的一个小才女。 在那个包办婚姻盛行的年代，陈意映也不例外。1905年，陈意映14岁，已经到了出嫁的年龄。当时有很多人上门求亲。 陈父是个挑剔的人，他希望未来的女婿要有男儿的担当，豁达的胸襟，广阔的眼界，精深的学识……他认为只有这样的男子将来才能够给女儿带来幸福。 挑来选去之后，陈父看中了少年林觉民 。 是的，陈父的眼光还是非常好的。林觉民从小饱读诗书，13岁时在父亲的强迫下就参加科考，但是他只写下了“少年不望万户侯”七个字，便交卷离场。15岁进入新式学堂，校长根据林觉民的表现判断他将来一定能成大器。 陈意映第一次见到林觉民，就喜欢上了这个朝气蓬勃的有志青年。林觉民也对沉静娴雅，柔情万千的陈意映一见钟情。 没想到这次包办婚姻，竟然成就了一对绝世眷侣。 婚后，陈意映和林觉民单独居住，他们把居住的小楼命名为“双栖楼”。双宿双栖，生死相依。没想到，这样的寓意在不久的将来，一语成谶。 林觉民是个有大志向的人，当时他不满官立学堂的腐败，与几位学友在城北创办一所私立小学，而且还在家中办女学。作为妻子的陈意映夫唱妇随，无条件支持丈夫。她动员家里的十余位亲眷入学。 不仅如此，陈意映还能和林觉民畅聊时事，并发表见解，无形中，两人之间从夫妻关系已经上升到了志同道合的挚友关系。 1907年，为了接触先进的文化与人物，在父亲的资助下，林觉民毅然自费留学日本。这时刚生下儿子的陈意映对丈夫的离开毫无怨言，她知道丈夫的志向所在，她不会托丈夫的后腿，她能做的，只有在他离家之时尽心替他照顾好家人。 有了妻子的无条件支持，林觉民革命的心更加坚定了。 1911年1月底，中国同盟会在香港成立了统筹部，开始策动广州起义。林觉民得知后，毅然从日本回国参加广州起义。之后他回到了家里探亲。 当陈意映得知丈夫为了拯救国家命运筹集资金时，她义无反顾拿出了自己的嫁妆和林觉民作经费。 当丈夫再次离家去香港时，陈意映本想跟着他一起走的，但是奈何她有孕在身不方便。 没想到这次离开竟是永别。 1911年4月24，林觉民到了香港之后，觉得自己就已经处在生死未卜的边缘了，于是他给父亲和妻子分别写了一封信。 4月27日，林觉民和同盟会敢死队一起冲向了两广总督署。但是当林觉民等人攻入总督府，两广总督张鸣岐早已闻风而逃。 起义军举火焚烧了总督衙门，林觉民在混战中被子弹击中了腰部，当即痛倒在地，但又马上强撑着起来，继续拼力还击，最终仍因体力不支瘫倒在墙下，被清军抓获。 面对清军的审讯和酷刑，林觉民始终没有低头。最终总督下令“杀无赦”，几天后，林觉民被押到刑场。 黄花岗起义是辛亥革命之前最后一次失败的起义，是在明知不利的情况下坚持发动的。林觉民曾对战友说：“吾辈此举，事必败，身必死，然吾辈身死之日，距光复期必不远矣！” 林觉民被捕后，正在广州供职的陈意映的父亲陈元凯便火速给女儿陈意映去信，让她赶紧带着林家老小逃命。 陈意映怀着八个月身孕，和一家大小七口仓皇搬到光禄坊早题巷一幢偏僻的小房子中住下。 后来林觉民的战友辗转打听到陈意映的住处后，冒险把他写给父亲和妻子的两封信从门下塞了进去。 这才出现了开头的一幕。 陈意映痛哭过之后，她将头向床头猛地撞去——除了死，她无法解救自己，唯一的心愿就是随觉民同去。 但是面对林父和幼子的哀求，陈意映的求死之心虽不再有，但至深的悲痛还是对她的身体造成很大影响。 不久后，陈意映生下第二个儿子，依照林觉民的遗愿，第二个儿子取名林仲新。 陈意映觉得自己的任务完成了，从此以后，她每天死去一点。不到两年，陈意映就抑郁而终。 这样的结局，让人不免唏嘘慨叹。 “忠于人品，这一生，我只爱你”。陈意映用实际行动诠释了对林觉民的爱与支持。 家国尚未安定，个人情感只能深藏心中。陈意映对林觉民的爱不仅是个人情感的表达，更是那个动荡时代中，爱国精神的表现。 他们的故事让人动容，他们的精神会永远传承下去，激励着后辈们为祖国的发展作出自己的贡献。

【沒時間退休】軟銀創辦人孫正義推遲退休計劃 打算再做10到15年 軟銀集團的孫正義（圖）表示，計劃繼續掌舵自己創立的這家科技集團十年或更久，推翻了他長久以來打算在六十多歲交棒的計劃。「我沒時間退休，」他表示，他已經調整了自己的人生50年計劃，還會再工作10到15年。

四川成都，民警张义文处置警情时，被歹徒用尖刀刺穿腹部。歹徒突然调转刀尖，扑向围观群众，身负重伤的张义文精准打落歹徒手里的刀，辅警何忆龙一脚将尖刀踢开，歹徒随即被制服。失血过多的张义文猝然倒地，陷入昏迷。经全力抢救无效，张义文同志不幸壮烈牺牲，年仅48岁。