2026年10月5日，Amazon 喺官方機器學習博客宣佈推出名為 aws-ai-ml 嘅 agent skill，透過 Agent Toolkit for AWS 提供。官方指，呢個 skill 可以俾 Claude Code、Codex、Kiro 等編程 agent 裝上，令佢哋喺推理優化（inference optimization）同基準測試（benchmarking）方面具備「深度專長」。
按官方説明，裝咗呢個 skill 之後，你現有嘅編程 agent 可以幫你做四件事：對推理端點（endpoint）做基準測試、推薦部署配置、比較唔同運行嘅效能、生成可以執行嘅 SageMaker Python SDK v3 代碼。呢個 skill 本身係一個插口（plug-in），可以接喺任何支援 MCP（Model Context Protocol，模型上下文協議）嘅編程 agent 上面。
官方將呢個產品定位為「填補意圖同基礎設施之間嘅差距」（bridging intent and infrastructure）：你話畀 agent 聽你想做乜，佢會問明確認問題、基於「實際基準測試同測量數據」生成代碼，官方並稱「由零到可用對話只需十分鐘」。官方亦強調用户「全程掌握控制權」，每一步都實時可見、以代碼形式表達，「冇任何嘢喺不透明 UI 背後發生」。
按官方設置指南，本地安裝需要 AWS CLI 2.35 以上同 uv，喺 SageMaker Studio JupyterLab 空間亦可以使用。官方要求你嘅 AWS 憑證需要有權限呼叫 SageMaker AI API（包括建立端點、跑基準測試同推薦任務），並指生成嘅代碼可以喺「你自己嘅環境」review、修改同運行。
要講清楚：呢篇係 Amazon 官方嘅產品公告，本站未有獨立實測。官方所講嘅「深度專長」「基於實際基準數據」「十分鐘上手」，全部係廠商聲稱，未見獨立第三方驗證；skill 嘅實際效能、生成代碼嘅正確率同覆蓋範圍，目前都冇公開數據。
對喺 SageMaker 部署模型嘅工程團隊，呢個係一個值得留意嘅新選項：你唔使重寫工作流程，只需喺現有 agent 加裝一個 skill，佢就幫你做推理優化嘅配置同代碼生成。部署配置涉及成本、效能同安全，官方話最終代碼喺你自己環境運行、要你 review 同 modify，即審同決策權喺你手上。
阿調搞兩下：呢個係標準嘅「大廠出 skill 調教你嘅 agent」劇本。Claude Code、Codex 本身都係 coding agent，而家 AWS 出個插頭插上去，佢哋就「識」SageMaker 推理優化。問題係呢個「調教」真係有無用，仲係只係把官方配置流程包咗層 agent 皮？官方講「基於實際基準數據」，但邊個獨立核對呢啲數據、代碼出錯邊個執手尾，目前都仲係空白。我哋會留意後續有冇獨立測試數據。
阿調｜深度調教
