IskayPet 如何利用 Amazon Bedrock Managed Knowledge Bases 统一企业知识库
宠物护理公司 IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了企业知识库助手，无需自行管理向量数据库和数据摄取等 RAG 基础设施。
#教程/实践
#教程/实践
今日 4 条AWS Machine Learning BlogAI 评分3939 AWS Machine Learning BlogAI 评分4545 Rescale 如何借助 Strands Agents 和 AI-DLC 构建 AI 分诊智能体
Rescale 基于开源的 AI-DLC 软件开发方法论，在 5 天内完成了端到端测试故障分诊智能体的预发布部署。该智能体运行于 Amazon EKS 上的 Argo Workflows 流水线，调用 Amazon Bedrock 上的 Claude Opus 4.8 自动分类根本原因，并通过 MCP 查询 Pod 日志以生成修复报告。系统在数秒内即可完成处理并输出报告，数周内已推向生产环境。
AWS Machine Learning BlogAI 评分4444 别再凭空猜测 Amazon SageMaker AI 上的 TTS 自动扩缩容目标了
AWS 针对 Amazon SageMaker AI 上的 TTS 部署提出基于实测指标的自动扩缩容方案，以取代传统凭空猜测配置的做法。该方案以 82M 参数的非自回归模型 Kokoro-82M 为例，利用其实测的最大并发量 Q_max 与扩容耗时 T_total 计算扩缩容阈值。
Cloudflare Blog精选AI 评分6161 Commerce.com 与 Cloudflare 如何让电商站点适配 AI 智能体
Cloudflare 与电商平台 Commerce.com 合作落地 WebMCP 浏览器标准，使平台近 100,000 个商户域名无需修改前端代码即可向 AI 智能体提供结构化调用工具。
推荐理由：文章展示了如何利用边缘规则为数十万多租户站点批量注入 WebMCP 工具，为电商平台低成本适配智能体购物提供了落地路径。
AWS Machine Learning Blog精选AI 评分7373 AWS 详解多智能体系统落地的 5 大生产挑战与 Deep Insight 解决方案
AWS 解决方案架构团队开源了生产级多智能体系统 Deep Insight，总结了多智能体落地生产在编排、模型分工、运行时部署、安全代码执行和运维监控 5 个维度的挑战与解法。
推荐理由：文章拆解了多智能体落地生产时的编排、模型选型与沙箱隔离方案，为构建企业级 Agent 架构提供了可迁移的工程参考。
AWS Machine Learning BlogAI 评分4242 利用 AWS PrivateLink 保障企业网络安全访问 Amazon Quick
企业可通过 AWS PrivateLink 结合 Direct Connect 或 Site-to-Site VPN，实现本地数据源与 Amazon Quick 的全私网连接，避免流量暴露在公网。
AWS Machine Learning BlogAI 评分5353 基于 Strands Agents 构建端云协同的自适应智能体架构
AWS 介绍了自适应智能体智能架构 AAIF，通过 Strands Agents 结合本地小模型与云端 Amazon Bedrock 实现分层计算。该方案使用本地轻量模型 llama3.2:1b 自动分类与路由请求，常规物联网遥测和视觉分析在本地端侧低延迟完成，复杂多步推理则分发至云端模型处理。架构支持灵活适配纯边缘、全云端或混合部署，并可通过 MCP 服务实现跨设备的集中化工具调用。
AWS Machine Learning BlogAI 评分2828 U.S. Hunger 如何借助 Amazon Quick 连接管理层与数据
非营利组织 U.S. Hunger 采用 Amazon Quick 及其 Spaces 功能，使管理层无需技术团队拉取即可直接探索组织数据。系统在美东时间每晚 2 点将专有平台 Impact Manager 的 SQL Server 数据同步至 SPICE 内存引擎，打通 NetSuite、Salesforce 等多系统指标。目前该组织已有 17 名员工接入 Quick 展开协作。
AWS Machine Learning BlogAI 评分3434 在 AWS Trainium 上使用 torchtitan 训练 Qwen3
AWS 展示了在单台配备 16 个 Trainium2 加速器的 trn2.48xlarge 实例上，使用 torchtitan 训练 Qwen3（如 Qwen3-4B-Instruct-2507）的三种配置方式。
OpenAI News精选AI 评分6565 ChatGPT 如何构建兼顾用户信任与相关性的新型广告架构
OpenAI 介绍了为 ChatGPT 构建的全新大语言模型驱动广告技术栈。该系统能够在准确理解对话意图的同时将广告与模型答案保持隔离，并在保障用户信任的前提下实现大规模投放相关广告。
推荐理由：原文解析了如何在对话模型中平衡意图识别与广告内容隔离，读者可据此了解生成式 AI 的商业化技术架构。
AWS Machine Learning BlogAI 评分3838 超越 KV cache：在 AWS Trainium2 上使用原生 PyTorch 训练与部署 i14 的 Laplace 3B 线性注意力模型
i14 借助 TorchNeuron Native 在 AWS Trainium2 上训练并部署了 Laplace 3B 线性注意力模型。该模型将推理循环状态固定为每序列 29.5 MB，摆脱了传统 KV cache 随上下文长度增加的限制。
Simon WillisonAI 评分7474 Simon Willison 实践：通过编码智能体 vibe coding 构建即时战略游戏 Battle Drones
Simon Willison 分享了借助 Claude Code 等编码智能体以 vibe coding 方式构建网页即时战略游戏 Battle Drones 的全流程。
AWS Machine Learning BlogAI 评分4545 从数据到决策：借助 Amazon Quick 与 Amazon Bedrock AgentCore 实现对话式供应链智能
亚马逊云科技展示了结合 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能的方案。该架构将 Amazon Quick 作为前端交互界面，AgentCore 充当智能层，通过模型上下文协议（MCP）服务器将分散在 ERP、监控和采购等后端系统中的工具进行编排。
AWS Machine Learning BlogAI 评分5757 Smartsheet 推出 MCP Server 并通过 AWS 连接 Amazon Quick 与 Kiro
Smartsheet 正式推出支持超过 40 种工具的 MCP Server，允许 AI 智能体通过统一协议直接读写并管理项目数据与自动化流程。AWS 详细介绍了两种落地接入方式：业务人员可通过 Amazon Quick 内置连接器用自然语言查询与更新任务，开发者则可在 Kiro IDE 中直接关联项目规范并自动同步开发进度。
AWS Machine Learning BlogAI 评分5858 Smartsheet 推出 MCP Server 并支持接入 Amazon Quick 与 Kiro
Smartsheet 正式上线模型上下文协议（MCP）服务器，支持 AI 智能体通过标准化接口读取、写入和管理项目表格数据。该服务提供超过 40 种操作工具，可直接接入面向业务用户的 Amazon Quick 以及面向开发者的 Kiro IDE，实现通过自然语言更新任务状态与追踪依赖。其安全架构沿用原有权限体系与认证机制，服务器不保存提示词内容，确保企业级合规控制。
AWS Machine Learning BlogAI 评分4747 Octave 如何基于 Amazon Bedrock 构建安全的多租户 AI 架构
Octave 基于 Amazon Bedrock 构建了严格隔离的多租户 AI 底座，使每个用例的部署时间缩短 50%。该架构采用三层设计：使用 Cohere Embed v4 将超 20 亿份文档嵌入并存入单租户向量库，通过 AgentCore Gateway 和隔离 microVM 会话调用 Claude 模型，并双向部署 Guardrails 进行内容安全过滤。
AWS Machine Learning BlogAI 评分5252 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 的多语言推理能力
AWS 介绍了在 Amazon SageMaker HyperPod 上结合 SFT 与 GRPO 微调开源模型多语言推理能力的方法与决策框架。测试显示 SFT 将 GPT-OSS-20B 的目标语言思维链比例从 22% 提升至 100%，随后的 GRPO 在此基础上将最终回答语言准确率从 62% 进一步提升至 70%。
OpenAI NewsAI 评分3131 加盟商借助 ChatGPT Work 将现金对账时间缩短 94%
一家独立的 Schlotzsky’s 和 Cinnabon 加盟商借助 ChatGPT Work 将现金对账时间缩短了 94%。该加盟商还将菜单重新定价的耗时缩短了 95%，并构建了一套有望释放 $100K 现金流的工作流。
AWS Machine Learning BlogAI 评分5959 Eon 基于 Amazon Bedrock AgentCore 构建多云排障 MCP 网关实践
Eon 借助 Amazon Bedrock AgentCore 构建了统一认证的 MCP 网关，将跨 AWS、GCP 和 Azure 的多云排障工具访问整合至单一入口。
AWS Machine Learning BlogAI 评分5050 AWS 联合 Keyfactor 推出基于 X.509 PKI 的 AI 智能体身份安全参考架构
AWS 联合 Keyfactor 发布基于 X.509 PKI 的 AI 智能体身份安全参考架构，填补多智能体框架在 MCP 协议下缺乏内置身份认证的零信任安全空缺。
AWS Machine Learning BlogAI 评分5959 如何利用 AWS Agent Registry 实现运行时工具动态发现
AWS 推出通过 AWS Agent Registry 在运行时动态发现工具的实现方案，以解决智能体硬编码大量工具导致的上下文浪费与发版耦合问题。编排器通过语义与关键词混合搜索检索经审批的 MCP 服务器和 A2A 智能体元数据，随后动态创建临时客户端并在单次请求结束后销毁。该架构实现了工具注册与主程序解耦，调用凭证由独立认证链路管理，检索结果仅返回连接描述信息。
GitHub Blog · AI & MLAI 评分5858 GitHub 专访 3 位 Java Champion：如何用 GitHub Copilot 提升工程生产力
GitHub 专访了三位拥有十多年经验的 Java Champion，分享在生产与开源项目中深度使用 GitHub Copilot 的工程实践。
AWS Machine Learning BlogAI 评分4747 如何在 AWS 上通过 AtScale 与 Amazon Bedrock AgentCore 构建智能体语义层
AWS 介绍了如何结合 AtScale C2026.7 与 Amazon Bedrock AgentCore 为智能体构建多维语义层。该方案基于 Anthropic Claude Sonnet 4.6 规划并编写查询，利用 SML 规范建模并通过 AtScale MCP 服务器将单一模型同时暴露给 SQL、XMLA 和 MCP 协议。
GitHub Blog · AI & MLAI 评分5858 如何在 VS Code 中继续 GitHub Copilot 会话
GitHub 官方介绍了在 VS Code 中无缝接续 GitHub Copilot 应用程序会话的具体工作流。用户通过点击打开即可完整保留历史对话、代码 diff 以及隔离的 git worktree，无需手动重新梳理任务背景。开发者可以在本地逐行审查代码、手动修改并运行本地测试验证，最终直接把更新推送至会话关联的 PR 分支中。
Cloudflare Blog精选AI 评分7474 Cloudflare 将 AI 代码审查推理成本降低 68% 的工程实践
Cloudflare 分享了其内部 AI 代码审查系统的推理优化实践，通过重构提示词前缀缓存与调整模型配置，将单次审查成本从 2.43 美元降至 0.77 美元，审查耗时中位数从 4 分 09 秒压缩至 1 分 32 秒。
推荐理由：详细复盘了代码审查智能体的推理降本路径，提供了跨仓库共享提示词前缀缓存与压缩交互轮次的具体工程参考。
AWS Machine Learning BlogAI 评分4949 vLLM 双向 KV 传输如何改善多轮智能体工作负载的 TTFT
vLLM 通过双向 KV 缓存传输机制让 decode 节点将已计算的 KV 块传回 prefill 节点，避免多轮智能体场景中反复重算历史上下文。在基于 Amazon EC2 P5en 实例的 1P1D 基准测试中，该方案将 Qwen3-32B 的 TTFT 降低最高 1.6 倍，zai-org/GLM-5-FP8 降低最高 3.3 倍。
AWS Machine Learning BlogAI 评分5151 vLLM 引入基于推送的 KV 传输机制以降低分离式推理 TTFT 与 TPOT
AWS 工程师向 vLLM 贡献了基于推送（Push-based）的 NIXL KV 传输连接器，通过将解码端块注册与预填计算重叠来优化分离式推理延迟。在 Amazon EC2 P5en 搭配 EFA 网络运行 Qwen3-32B 的测试中，推送模式相比传统拉取模式使首字时间（TTFT）最高降低至三分之一，每输出 token 时间（TPOT）改善最多 30%。
AWS Machine Learning BlogAI 评分3434 Deepgram 如何利用 AWS Trainium 大规模优化语音 AI
Deepgram 与 AWS 合作将其 Nova-3 语音转文本模型迁移至 AWS Trainium2，并在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本。
AWS Machine Learning Blog精选AI 评分6262 基于 Amazon Bedrock AgentCore 构建面向生产环境的 AI Agent 评估框架
AWS 团队基于 Amazon Bedrock AgentCore 提出了覆盖全生命周期的九阶段 AI Agent 评估框架，用于解决多智能体系统在企业生产环境中静默失效与指标幻觉等质量问题。
推荐理由：原文详细拆解了企业级多智能体从开发门禁到生产监控的九阶段质检落地路径，为复杂 Agent 系统的工程质量保障提供了可参考的架构范式。
OpenAI NewsAI 评分2828 Localiza 如何围绕生成式 AI 重组工作
Localiza 采用 ChatGPT Enterprise、OpenAI API、Codex 及 60 多个专用 AI 智能体来重组工作流程。该公司正借助这些技术与工具，构建 AI 原生的出行体验。
Simon WillisonAI 评分3434 Chirp Pong：通过麦克风音频通信的双人网页游戏实验
开发者借助 Claude Code 中的 Claude Opus 5.5 Extra 构建了双人对战网页游戏实验 Chirp Pong。该项目运行在静态 HTML 上，支持两台靠近的手机直接通过麦克风发送和解析音频信号来同步游戏状态。游戏在类似 Pong 的对战机制基础上加入了图形与玩法层面的改进。
AWS Machine Learning Blog精选AI 评分6464 AWS 提出 Agent 纵深信任框架：在不失控的前提下赋予智能体更多自主权
AWS 提出 AI 智能体治理框架“纵深信任”（Trust in Depth），借鉴网络安全纵深防御思想，旨在减少全量人工审批瓶颈的同时安全扩展智能体自主权。该框架涵盖运行前范围界定、部署时身份确认、运行时边界约束以及运行后全面观察四个阶段，并结合自动推理技术对明确规则进行形式化验证。
推荐理由：文章借鉴纵深防御理念梳理了智能体安全框架，展示了如何结合形式化验证与运行时隔离实现自主管控。
The Verge · AIAI 评分5050 Windows 如何针对 Nvidia RTX Spark 笔记本进行端侧 AI 与系统优化
微软针对搭载 Arm 架构芯片与 Blackwell GPU 的 Nvidia RTX Spark 笔记本深度优化了 Windows 系统，提供两步快速安装运行本地 AI 智能体的开箱体验，并针对 Prism 模拟器进行微架构级调优。
Science NewsAI 评分6666 脑机接口植入物如何帮助失语患者重获声音
脑机接口结合机器学习技术正在帮助因渐冻症等神经疾病失语的患者直接通过大脑信号重建语言交流能力。加州大学戴维斯分校等研究团队通过在患者大脑运动皮层植入电极阵列，采集神经电信号并由算法解码为音素和词句，受试患者已借此累计交流近 200 万字；此外，Paradromics 等机构也在推进小型化便携植入设备，探索低延迟实时语音和情绪语调的解码还原。
Simon WillisonAI 评分3333 Claude 游戏实验：Tree Appreciator
作者在 Claude iPhone app 聊天模式下使用 Claude Opus 5.5 Max，成功构建了一款名为 Tree Appreciator 的 Three.js 找不同游戏。提示词要求模型呈现两棵算法生成的树并兼顾趣味与美感，Claude 耗时 3 小时 7 分钟返回了包含音乐、动画和成就系统的完整作品。
AWS Machine Learning BlogAI 评分5252 如何使用 Amazon Bedrock AgentCore 构建具备自优化能力的智能文档处理系统
AWS 介绍了基于 Amazon Bedrock AgentCore 构建智能文档处理（IDP）系统的方法，通过多智能体协作与反馈循环实现新格式文档提取规则的自优化。方案运行 8 个协同智能体，结合 Strands Agents SDK 与 MCP 协议对接底层工具与数据库验证规则；AWS 提供了完整的开源部署代码，以每月处理 1,000 份文档为例预估运行成本约为 58 美元。
OpenAI NewsAI 评分2424 Third Moment Research 如何让 10,000 个 AI 智能体持续运行 36 小时以上
AI 实验室 Third Moment Research 基于 GPT-6 Astra、GPT-6.1 Sol、Codex 以及用于网络安全的 Daybreak，构建了能连续专注数天并随使用不断提升的 AI 智能体。该方案成功支持 10,000 个 AI 智能体持续运行 36 小时以上。
AWS Machine Learning BlogAI 评分3535 Tamnoon 如何基于 Amazon Bedrock 构建 AI 云安全修复平台
Tamnoon 基于 Amazon Bedrock 构建了智能体云修复编排器 Tami，可在 90 天内将关键云风险暴露减少超 90% 且实现零生产故障。该平台采用 AWS 无服务器架构，由调查、安全评分、修复和代码生成 4 个专业 AI 智能体协同工作，自动将安全漏洞转化为生产安全的修复方案。通过单一 API 即可为不同任务匹配最优基础模型，兼顾复杂推理与高吞吐效率。
AWS Machine Learning BlogAI 评分4444 使用 Amazon Bedrock AgentCore 自动生成演示文稿
AWS 推出基于 Amazon Bedrock AgentCore 构建的 AI 智能体方案，可在 90 秒内自动将企业文档转换为 PowerPoint 演示文稿。
AWS Machine Learning BlogAI 评分3838 使用 Amazon SageMaker JumpStart 部署与评测模型
Amazon SageMaker JumpStart 提供了基于 SageMaker Python SDK v3 的模型部署与评测工作流，支持通过测试提示词评估延迟、预估输出字数和生成速率，并在测试完成后清理端点。平台还提供针对低成本或低延迟等优化的预配置部署选项，并支持从 Hugging Face 一键跳转至 SageMaker AI 部署。