← Financial Cloud Cloud 云端社群 · Amarathon 2025 回顾

极点宏观|Financial Cloud Cloud · AWS Amarathon 2025

极点宏观|Amarathon 2025 回顾 08:部署 TEAM 并打造最佳工程团队

演讲者: Yuji Oshima

场次: 08

场次
Summit Dev Lounge2026 Re:cap
01 把架构写成 Steering,引导 AI Agent
02 Agent Harness 才是真正的工程护城河
03 用白话询问可观测性数据
04 以 Bedrock AgentCore 打造 Serverless AR 游戏
05 AgentCore 上的多 Agent 量化回测
06 三分钟用 Kiro 把博客变成幻灯片
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 实现 AWS 合规
03 从初学者到构建者:一段精彩的 AWS 云之旅
04 以团队为先:使用 Laravel 与 Bref 开展无服务器工程
05 活动开幕式
06 智能体到智能体:在 AWS 上构建可互操作的 AI
07 利用另一类遥测数据,借助 AI 智能体更快改进
08 告别氛围编程:使用 Kiro 进行规格驱动开发
09 使用 MCP 与 AI 智能体进行自动化测试
10 使用机器学习方法实现电信安全现代化
11 重新思考生成式 AI 智能体:RAG 与 MCP
12 使用 TAK 和 AWS 开展灾难与应急响应
13 从测试视角重新思考无服务器应用程序工作流
14 Practical AWS FinOps for Cloud Success
15 基于 AWS 的 AI 驱动全球纯 Alpha 宏观交易:重塑风险调整后资产收益
FSI Recap
01 现代交易生命周期:从交易到结算
02 Goldman Sachs:通过 Fast Track 加速应用程序上云 - AWS Re:cap Q1/2023
03 Zurich Insurance Group:在 AWS 上构建高效的日志管理解决方案
04 FSI Meetup 2025 年第四季度 - Brex 数据库灾难恢复
05 FSI Meetup 2025 Q4 - Graviton 迁移成功案例
06 FSI Meetup 2025 Q4 - Stifel 现代数据平台
07 FSI Meetup 2025 Q4 - PayPal 金融交易数据对账系统
08 FSI Meetup 2025 Q4 - 规模化提升韧性
09 最大限度提高 AI 推理成本效益:战略性采用 AWS GPU 实例
10 高级智能体 AI 设计模式
11 在 AWS 上构建全新的现代化应用
AWS re:Invent 2025
01 Coinbase re:Invent 回顾 (IND3312)
02 利用 AI 和 AWS 构建未来交易平台
03 交易创新:Jefferies 基于 Amazon Bedrock 构建的 AI 助手 (IND3315)
04 FSI 如何通过 Agentic AI (GBL302) 彻底改变 HFT 分析
05 使用 Amazon Time Sync 改进分布式系统(采用 Nasdaq)
06 Amazon Aurora HA 和 DR 全球弹性设计模式 (DAT442)
07 构建智能体式 AI:Amazon Nova Act 与 Strands Agents 实践 (DEV327)
08 深入探讨 Amazon Aurora 及其创新 (DAT441)
09 深入探讨 Amazon S3(STG407)
10 Nasdaq:为全球金融服务构建弹性基础设施 (HMC327)
11 AWS Lambda 新功能 (CNS376)
12 使用 Kiro 进行规范驱动开发 (DEV314)
13 Amazon 的 FinOps:全球电商巨头的云成本管理经验 (AMZ308)
14 AWS 上交易平台的 Tick-to-Trade 延迟
政务数据
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 端侧多模态 AI 与智慧城市实践
03 大模型能力评测与 AI 项目落地方法论
04 基于云代理的政府开发全链路受控自动化
05 从多智能体看 Agent 时代软件新生态
06 AI 驱动的宏观量化研究与智慧治理
07 公共数据授权运营与智慧政务实践
08 数据资产化落地实践:确权合规、工程治理与数字政府案例
09 AI技术赋能心理健康公益:可信平台的治理、架构与实践
Amarathon 2025 回顾
01 开发者的智能体架构设计路线图
02 Amazon Bedrock 数据自动化
03 AgentCore 上的多智能体
04 实践中构建智能体式 AI:Nova Act 与 Strands Agents
04 使用规格驱动开发,通过 Kiro 加速迁移项目
06 从「匹配」到「理解」:由 AgentCore Memory 驱动的个性化 AI 搜索实践
07 从观察到优化:从 LLM 可观测性迈向 AIOps,将实时洞察转化为智慧自动化
08 部署 TEAM 并打造最佳工程团队
09 五年来所谓无服务器数据库带来的五个惨痛教训
14 如果 AI 替我工作会怎样:Q Developer CLI 与 Kiro 如何改变我的日常工作
16 兼顾速度与警觉:Amazon Bedrock Agent 开发的安全要点
26 在单张 H100 上运行 OSS LLM:更智能、更便宜、更快速
28 现代统一元数据架构:打破数据孤岛的新方法
29 无服务器 MediaOps:使用 Amazon Web Services 上的 AI 自动化视频工作流
30 通过大规模性能测试构建兼具效率与可靠性的架构
31 通过开源连接世界:技术、社区与全球开发者关系的实践历程
33 构建流式 Iceberg 表以进行实时物流分析
34 加速大规模机器人策略训练:基于 Kiro、Trainium 和 EKS 的自动化闭环架构
35 通过规格驱动开发,从 Vibe 走向可行方案
36 让云成本分析更智能:使用 Strands 和 AgentCore 构建 FinOps 智能体
37 使用 CNCF Kagent、K8sGPT 和 Nova Sonic 转型 K8s 对话式智能体 AIOps

多账户与 IAM 设计

[ 1 ] 单一账户架构:

● 复杂的权限管理使安全性难以确保

● 难以追踪各工作负载的成本

● 容易发生操作错误与配额问题,导致运营困难

[ 2 ] 多账户架构:

● 通过分离权限提升安全性

● 轻松掌握各工作负载的成本

● 将作业影响降至最低,提升运营效率

跳板账户方法

● 设置跳板账户并集中管理 IAM 用户

● 用户登录跳板账户,再切换角色至各账户

● 各账户的权限会授予目标角色

● 使用跳板账户方法设计 IAM 的要点:

● [ 1 ] 根据实际职责建立组

● [ 2 ] 根据职责为每个账户建立角色

● [ 3 ] 为每个 IAM 组定义要切换的账户与 IAM 角色

使用 TEAM 进行访问控制

● 应如何处理生产环境的访问控制?

● 变更管理:何时由谁访问生产环境以执行变更作业?

● 生产环境访问控制:是否能随时访问生产环境?


使用 TEAM 进行访问控制

什么是 TEAM(Temporary Elevated Access Management,临时提升访问权管理)?

● Temporary Elevated Access Management 的缩写

● 用于管理账户访问权的授权式工作流程

● 以应用程序形式提供,可通过 IAM Identity Center 访问入口网站使用

使用 TEAM 控制生产环境访问的工作流程(应用程序)

● [1/3] 目前仅具正式账户的只读权限,从应用程序中选取 TEAM

● [2/3] 建立请求

● [3/3] 因尚未获得批准,状态为待处理 使用

TEAM 控制生产环境访问的工作流程(批准)

● 批准者从「批准请求」中选取相关请求、输入注解并予以批准 使用 TEAM

控制生产环境访问的工作流程(授权)

● 已新增正式账户的访问权限

● 由于已获批准,状态现已设为「已批准」。

整体团队结构

● ① 访问 IAM Identity Center 中的 Amazon Web Services 访问入口网站

● ② 访问 TEAM 应用程序

● ③ 请求提升访问权

● ④ 批准提升访问权

● ⑤ 启用提升访问权

● ⑥ 使用提升访问权

● ⑦ 记录会话活动

● ⑧ 结束提升访问权

● ⑨ 审查请求详细数据与会话活动日志


TEAM 的设计与实施

● 整理迁移至 IAM Identity Center 所需的权限:

● ① 整理各账户的角色与政策,建立权限集

● ② 整理跳板账户的组与政策,向 Entra ID 注册组

● ③ 建立指派并使用

CloudFormation 设计人物角色指派与批准工作流程的规则

● TEAM 有四种人物角色(请求访问、批准访问请求、审计日志、管理规则)

● 设计人物角色指派与批准规则

● 人物角色指派设计

● 应提交哪些项目以供批准?

● 应由谁批准/拒绝?

● 授予批准的最长时间

● 通知目的地(电子电子邮件、聊天)

从小规模运营逐步扩大应用范围

● 由小型团队进行测试运营,逐步扩大引入范围

● 个人 → 我的团队 → 整个部门

[ 1 ] 与既有系统并行运作

● 将对业务的影响降至最低

[ 2 ] 根据反馈检讨设置与运营方式

● 人物角色的指派是否足够?

是否授予了任何非预期的权限?IAM Identity Center x TEAM

● 使用从 Entra ID 预置的 SSO 用户

● 通过 IAM Identity Center 访问入口网站切换角色至非生产环境账户

● 在 TEAM 中获得批准后,切换角色至非生产环境账户


TEAM 的优点

● IAM Identity Center x TEAM:

[ 1 ] 用户观点:

● 现在跨账户切换角色更加简单

● 请求流程更短,UI 更简洁清楚

● 提升开发效率

[ 2 ] 管理员观点:

● 摆脱 IAM 管理工作

● 人物角色指派与请求规则等设置管理现在更加简单

● 提升运营效率

摘要

● 通过「TEAM」,所有「团队」成员皆提升了运营与安全意识

● 在多账户设置中,应考虑正式账户的访问管理

● 「IAM Identity Center x TEAM」可实现简易管控

● 引入 TEAM 可提升团队生产力、安全性与合规性