AWS发布在Amazon Bedrock上运行开源AI编码代理的教程
AWS Machine Learning博客发布教程，介绍如何将开源终端AI编码代理OpenCode与Amazon Bedrock上的开源权重模型配对，实现数据留在自有AWS账户、按量付费的编码助手。
AWS Machine Learning博客发布教程，介绍如何把开源终端AI编码代理OpenCode运行在Amazon Bedrock上的开源权重模型之上。作者Aris Tsakpinis在文中称，多数AI编码代理方案需要把专有数据发往第三方API、将用户锁定在单一模型供应商，或按席位收费而不论实际使用量；对存在数据驻留要求、成本敏感或需要模型灵活性的团队，这些限制构成实际摩擦。
OpenCode与Bedrock的搭配方式
OpenCode是一个用Go编写的开源、终端原生AI编码代理，能读取和编辑文件、执行shell命令，并通过Language Server Protocol（LSP）诊断理解项目结构。它可连接包括Amazon Bedrock在内的超过75家LLM提供商。
按照文中描述，与Bedrock上的开源权重模型搭配后，OpenCode在本地运行，推理在用户的AWS账户内安全完成，无需管理基础设施，也没有按席位收费。
架构分两部分：OpenCode作为终端用户界面（TUI）运行在本地机器上，通过Amazon Bedrock Converse API发起推理调用；Bedrock以全托管、无服务器的端点托管模型。AWS IAM对每次请求进行认证，AWS CloudTrail记录API活动。
教程使用的三个开源权重模型
教程重点展示了三个模型，并给出各自的适用场景。Moonshot AI Kimi K3支持100万token上下文，适合调试、架构分析和复杂逻辑；OpenAI GPT-OSS 120B为1200亿参数，适合完整服务生成和多文件实现；NVIDIA Nemotron 3 Super 120B强调吞吐量优化，适合高并发生成类工作负载。
文中称，NVIDIA报告Nemotron 3 Super 120B采用Mixture-of-Experts架构，每次token只激活1200亿总参数中的120亿，吞吐量最高提升7倍；Kimi K3的MoE架构每次token激活2.8万亿总参数中的1040亿，可通过reasoning_config设置low、high或max三档推理深度。
OpenCode的代理架构支持给不同角色分配不同模型。教程给出的opencode.json示例把顶层默认模型设为GPT-OSS 120B，plan代理使用Kimi K3负责规划和架构推理，build代理使用Nemotron 3 Super 120B负责代码生成。用户也可以在会话中用/models命令切换。
数据驻留与计费细节
Bedrock提供全托管、无服务器的开源权重模型访问，无需GPU配置或推理基础设施。文中称，代码、提示词和响应留在用户的AWS账户内；通过区域内或地理区域配置文件访问的模型，会在该区域或地理范围内运行。
Kimi K3可通过跨区域推理配置文件调用。全局配置文件global.moonshotai.kimi-k3会把每个请求路由到全球任何受支持商业AWS区域，文中称全局跨区域推理比地理区域配置文件便宜约10%；美国地理配置文件us.moonshotai.kimi-k3则把处理限制在美国地理范围内。Amazon Bedrock在HIPAA、SOC 2、ISO 27001、FedRAMP和GDPR等常见合规项目的适用范围内。
开源权重模型继承与专有模型相同的IAM策略、CloudTrail日志、PrivateLink连接和加密控制。定价分三档：Priority用于对延迟敏感的生产环境，Standard按token按需计费，Flex面向可变延迟工作负载，成本比Standard低50%。默认限额为每分钟1亿token和每分钟1万次请求。文中称Bedrock不使用输入或输出训练或改进基础模型。
安装步骤与批量用法
教程给出的前置条件包括：启用了Amazon Bedrock访问权限的AWS账户；在Bedrock控制台获得Kimi K3、GPT-OSS 120B和NVIDIA Nemotron 3 Super 120B的模型访问权限；配置好的AWS凭证（IAM访问密钥、AWS IAM Identity Center或Bedrock API密钥）；Node.js 18+或Homebrew。
OpenCode可通过安装脚本、npm（npm install -g opencode-ai）或Homebrew（brew install sst/tap/opencode）安装，教程中验证版本为1.18.20。凭证可采用AWS IAM Identity Center、IAM访问密钥或Bedrock API密钥三种方式配置。
对于批量编码任务，文中建议使用Bedrock Flex层降低成本，并给出循环调用GPT-OSS 120B为多个Python文件生成单元测试的CLI示例。文中建议：交互会话用Standard，批处理用Flex，延迟敏感的生产使用Priority。
Ethara.AI的生产部署
文中提到，AWS客户Ethara.AI在生产中部署了这套架构，用OpenCode作为AI工程和研究工作流的基础运行时，并用Oh-My-OpenAgent作为编排层与专用AI代理协作。
Ethara.AI不依赖单一编码助手，而是运行一组针对不同任务优化的代理，包括规划、执行、代码审查、架构分析、知识检索、多模态理解和基准测试。通过Oh-My-OpenAgent基于类别的路由系统，工程师请求某种能力，系统把工作委派给最合适的代理。
文中称，Ethara.AI根据推理复杂度、延迟要求、成本效率和任务类型动态路由工作负载。该公司还在投资自改进代理系统，参考SkillClaw等研究，开发基于成功和失败执行轨迹来演进技能和代理行为的机制。