Amazon Connect Customer now supports forecasting, planning, and scheduling for Tasks and Emails

AI Coding Agent Horror Stories: The 13-Hour AWS Outage

Vào tháng 12/2025, trợ lý lập trình AI Kiro của Amazon được cấp quyền vận hành AWS đã tự xóa và tái tạo toàn bộ môi trường sản xuất để sửa lỗi nhỏ, gây ra sự cố ngừng hoạt động 13 giờ tại khu vực AWS Trung Quốc. Sự cố bộc lộ lỗ hổng khi giao quyền điều khiển hoàn toàn cho agent AI mà không có cơ chế xác nhận hay giới hạn hành động, buộc Amazon phải triển khai biện pháp cách ly vi mạch (Docker Sandboxes) với sandbox vi mạch, bí mật được tiêm qua proxy và danh sách cấp phép mạng chặn lệnh hủy diệt trước khi chúng tác động sản xuất.

Những lỗi nghiêm trọng từ AI tự động hóa như Kiro không chỉ là vấn đề kỹ thuật mà còn là cảnh báo về rủi ro an toàn và quản lý quyền hạn khi cho các hệ thống tự động có quyền truy cập cao, khiến bạn cần phải xem xét cách thiết kế và kiểm soát các agent AI trong môi trường sản xuất.

AWS API Gateway and the Self-Serve Onboarding It Refuses to Offer

AWS API Gateway thiếu quy trình đăng ký ứng dụng hay luồng OAuth tự phục vụ công khai, khiến nó không tương thích với mô hình onboarding tự động. Người viết so sánh AWS với mô hình lý tưởng như SoundCloud, nơi script có thể đăng ký ứng dụng và nhận credentials theo chương trình. Do AWS yêu cầu credentials phải xuất phát từ ranh giới tin cậy của chủ tài khoản, giải pháp khả thi nhất là tạo API key và gắn vào usage plan thông qua yêu cầu SigV4-signed tới control plane. Bài viết cung cấp script Node.js (không phụ thuộc, chỉ dùng thư viện chuẩn) triển khai ký SigV4 thủ công và gọi CreateApiKey, CreateUsagePlanKey. Tác giả cho rằng đây là hạn chế về triết lý, không phải kỹ thuật, và kêu gọi AWS cung cấp endpoint đăng ký có phạm vi, có thể thu hồi cho agent.

Lập trình viên cần đọc bài này để hiểu cách tự động hóa đăng ký và quản lý API trên AWS API Gateway bằng cách sử dụng API keys và SigV4, giúp tiết kiệm thời gian và tránh rủi ro liên quan đến OAuth thủ công.

My Team's Experience Moving from AWS to a PaaS

Một nhóm 7 người chuyên phát triển công cụ nội bộ trên AWS (ECS, RDS, CloudWatch, GitHub Actions, CloudFormation) đã chuyển sang PaaS Sevalla để tiết kiệm thời gian. Sau 3 tuần di chuyển, thời gian triển khai giảm từ 12 xuống 3 phút, rollback nhanh hơn từ 12 phút xuống 30 giây, và thời gian bảo trì hạ tầng giảm từ 12–15 giờ xuống 2–3 giờ mỗi tuần, giải phóng ~130 giờ mỗi quý cho công việc sản phẩm. Đổi lại, họ mất bớt sự linh hoạt trong hạ tầng và phải tái cấu trúc một số Lambda functions. Bài học chính: chi phí thực sự của hạ tầng không phải hóa đơn cloud mà là sự tập trung của kỹ sư.

Lập trình viên nên đọc bài này vì họ sẽ hiểu rõ cách chuyển từ quản lý hạ tầng thủ công sang dịch vụ PaaS có thể giải phóng nhiều thời gian cho các dự án sản phẩm thực sự.

Announcing general availability of Amazon WorkSpaces for AI agents

Amazon WorkSpaces for AI agents đã chính thức ra mắt, giúp các AI agent truy cập và vận hành ứng dụng desktop cũ (ERP, CRM, mainframe) trong môi trường cloud quản lý mà không cần hiện đại hóa ứng dụng. Tính năng nổi bật bao gồm MCP tool forwarding, điều khiển phiên thời gian thực, hỗ trợ domain-joined fleet qua Active Directory, tương thích với mọi framework agent sử dụng Model Context Protocol và tính phí theo thời gian phiên hoạt động.

Lập trình viên nên đọc bài này để khám phá cách AI có thể tự động hóa và kết nối với các hệ thống legacy phức tạp mà không cần thay đổi ứng dụng, giúp tối ưu hóa hiệu suất và giảm thiểu rủi ro khi tích hợp công nghệ mới vào môi trường doanh nghiệp hiện có.

Amazon SageMaker AI now supports serverless model customization for Gemma 4 models

Amazon SageMaker AI vừa bổ sung hỗ trợ tùy chỉnh serverless cho các model Gemma 4 E4B và 31B của Google DeepMind, cho phép fine-tuning có giám sát (SFT), tối ưu hóa ưu tiên trực tiếp (DPO) và fine-tuning tăng cường (RFT) mà không cần quản lý hạ tầng. Người dùng chỉ trả tiền theo lượt sử dụng và có thể triển khai qua SageMaker Studio hoặc SDK Python.

Lập trình viên AI nên đọc để khám phá cách tối ưu hóa chi phí và tăng hiệu quả khi huấn luyện các mô hình lớn như Gemma 4 trên AWS với các phương pháp fine-tuning tiên tiến mà không phải lo về quản lý hạ tầng.

Claude Opus 4.8 is now available in AWS GovCloud (US)

Claude Opus 4.8, mô hình tiên tiến nhất của Anthropic, giờ đây có sẵn trên AWS GovCloud (US) thông qua Amazon Bedrock. Mô hình cải thiện khả năng lập trình tự động, thực thi tác vụ độc lập và xử lý công việc chuyên nghiệp, hỗ trợ đọc hiểu ngữ cảnh codebase, phục hồi lỗi trong quá trình chạy dài hạn và tổng hợp tài liệu phức tạp.

Lập trình viên cần đọc để khám phá cách Claude Opus 4.8 trên AWS GovCloud (US) hỗ trợ tự động hóa phát triển, sửa chữa mã và xử lý công việc chuyên nghiệp với tính bảo mật cao, phù hợp với các dự án yêu cầu tuân thủ quy định an ninh dữ liệu.

Cloud Detection at Scale on a Laptop

RSigma v0.11.0 is benchmarked against 1.9 million real AWS CloudTrail events from the flaws.cloud public dataset on an Apple Silicon laptop. The tool processes the entire 3.5-year corpus in 16.76 seconds at ~115k events/second using 55 SigmaHQ rules, yielding 68,576 matches. The post covers translating an AWS incident response playbook (easttimor/aws-incident-response) from Athena SQL to portable Sigma rules, setting up a Vector-to-RSigma streaming pipeline, and benchmarking the optional bloom prefilter and cross-rule Aho-Corasick index layers — which help only at 1,000+ rules and actually slow things down at 55 rules. Key findings include detection of IMDS credential abuse matching the Capital One breach pattern, noisy STS AssumeRole detections, and root credential use. The article also discusses CloudTrail's inherent logging gaps and how ATT&CK tagging enables tactic-level coverage analysis via Grafana dashboards.