亚马逊 SageMaker 推出新 Agent 技能：让编程助手秒变生成式 AI 推理优化专家
从“会写代码”到“会调优推理”：SageMaker 给编程 Agent 装上新技能
开发者们早已习惯用 Kiro、Claude Code、Codex 等编程助手来加速日常开发，但面对 Amazon SageMaker AI 上复杂的推理部署——选实例、挑容器、调参数——这些助手往往爱莫能助。现在，亚马逊为它们补上了这块短板。
Amazon SageMaker AI 优化生成式 AI 推理正式推出 aws-ai-ml 技能，通过 Agent Toolkit for AWS 提供给各类编程 Agent。安装后，你的编程助手将获得推理优化与基准测试的深度专业知识，能够：
- 对端点进行基准测试
- 推荐部署配置
- 对比不同性能运行结果
- 生成可执行的 SageMaker Python SDK v3 代码
为什么需要这个技能？
SageMaker AI 的托管能力覆盖实时、批量和异步模式，支持按需与预留容量、异构实例、VPC 隔离、自动扩缩容，并与所有 SageMaker AI 训练路径集成。功能强大，但广度与深度并存意味着大多数工程师在开始时并不清楚哪个实例族或服务容器最适合自己的场景。他们带着的是用例：一个性能目标、一个成本上限，或者一个待评估的模型。
aws-ai-ml 技能正是为了弥合“意图”与“基础设施”之间的鸿沟。你只需告诉 Agent 你想达成什么，它就会生成可执行的 SageMaker Python SDK v3 代码，供你审查、修改并在自己的环境中运行。Agent 会提出有针对性的澄清问题，基于真实基准和实测性能数据生成代码，并像解决方案架构师一样适应你的业务约束。整个过程完全透明，每一步都以代码形式实时呈现，没有黑盒 UI。
快速上手
你可以通过 Agent Toolkit for AWS 在本地安装 aws-ai-ml 技能，也可以在 Amazon SageMaker Studio 的 JupyterLab 空间中使用。无论哪种方式，10 分钟内就能从零开始进入工作对话。
该技能本质是一个工具包，可插入任何支持 Model Context Protocol (MCP) 的编程 Agent，将其转变为 SageMaker AI 推理优化专家。对于正从模型原型走向生产部署的团队来说，这或许能显著缩短调试与选型的时间。
