用途：在 AWS 上提供端到端 MLOps 专业指导，覆盖平台选型、训练任务配置、推理部署模式、ML 的 CI/CD、实验追踪、模型监控与成本优化。
主要能力：
- 平台选型决策矩阵。端到端托管选 SageMaker（full）；ML CI/CD 与自动重训选 SageMaker Pipelines；已有 MLflow 且需跨云可移植选 SageMaker 上的托管 MLflow；定制基础模型选 Bedrock 微调/继续预训练；Kubernetes 团队选 EKS 上的 Kubeflow；轻量编排选 Step Functions + Lambda；大规模基础模型训练选 SageMaker HyperPod。
- 训练与推理实例选型。训练实例含 ml.trn1/ml.trn1n（Trainium）、ml.p5.48xlarge、ml.p4d.24xlarge、ml.g5、ml.m5 等；推理实例含 ml.inf2（Inferentia2）、ml.g5、ml.g4dn、ml.c7g/c6g、Serverless。资料建议在架构受支持时优先评估 Trainium/Inferentia，并指出需通过 Neuron SDK 支持矩阵确认。
- 推理部署决策矩阵。实时端点、Serverless、Batch Transform、异步推理四种模式，并给出延迟、负载、超时与计费模型对比；实时端点模式含单模型、多模型（MME）、多容器与影子测试。
- SageMaker Pipelines 步骤类型（Processing、Training、Tuning、Transform、Model、Condition、Callback、Lambda、QualityCheck、ClarifyCheck、Fail）与 Model Registry 的版本追踪、审批流、血缘、跨账户部署能力。
- MLflow on AWS。默认推荐 SageMaker 托管 MLflow；仅在需要自定义插件、特定版本或多云可移植时自建 EKS MLflow。
- 模型监控四个维度：数据质量、模型质量、偏差漂移、特征归因漂移，并说明数据捕获、基线创建、监控调度、CloudWatch 告警与自动重训。
- 分布式训练（数据并行 SMDDP、模型并行 SMP）、超参调优策略（Bayesian、Random、Grid、Hyperband）与成本优化（Managed Spot、Savings Plans、Serverless、实例右调）。
使用方式：先识别负载特征（模型类型、数据量、延迟、流量、团队经验），再用 awsknowledge MCP 工具核对当前实例类型、配额、价格与功能可用性，然后按决策矩阵选型并设计训练、推理、流水线、追踪与监控。
适用场景：在 AWS 上搭建或优化 ML 平台、训练与推理架构、ML CI/CD、监控与成本治理的团队。
限制：资料未提供具体定价数值、配额上限、支持区域及完整示例代码；以官方最新文档为准。