跳到正文
11月14日周六
11月13日周五
  1. GitHub Blog · AI & ML79

    一次构建,在任意智能体上运行:智能体技能实战指南

    GitHub 官方博客讲解了如何编写可跨智能体客户端复用的智能体技能(agent skill):技能是以 SKILL.md 为中心的版本化目录,用来固化可重复的任务指令,环境仍需自行提供工具、凭据和权限。

    推荐理由:原文给出把智能体技能打包到 Claude Code、Cursor 与 GitHub Copilot 的做法与 CI 校验步骤,读者可直接迁移到自己的多客户端工作流。

  2. AWS Machine Learning Blog71

    在 Amazon Bedrock 上优化单任务成本并验证智能体 ROI

    AWS 解决方案团队提出按任务而非按 token 核算 Amazon Bedrock 智能体成本,并给出验证智能体 ROI 的完整框架。文中拆解分词器效率、输出冗余、智能体循环和推理开销四个隐藏成本驱动因素,示例中标价高一倍的模型单任务成本反而低 65%。

    推荐理由:原文给出按任务而非按 token 核算成本的完整框架,读者可直接迁移到自己的智能体项目上衡量投入产出。

11月12日周四
  1. AWS Machine Learning Blog64

    在 Amazon SageMaker HyperPod 上检测并恢复分布式训练中的静默数据损坏

    AWS SageMaker HyperPod 团队在 PyTorch DDP 训练循环中加入三项检查来捕捉静默数据损坏(SDC):非有限梯度检查、环形重放审计和权重指纹比对,报警后把嫌疑 rank 映射到节点并由 HyperPod 替换。

    推荐理由:原文给出了一套可直接落地到 PyTorch DDP 训练循环的 SDC 检测与节点替换流程,并附上注入故障的实测开销和误报数据。

  2. AWS Machine Learning Blog48

    AWS 用可复用资产加速生成式 AI 交付

    AWS 生成式 AI 创新中心开放 23 个开源生产级可复用资产,涵盖 RAG 管道、文档处理模块与智能体脚手架模板,可将开发周期从数月压缩到数周。DoorDash 用 Contact Center GenAI Agent 建成日均处理超 100,000 次呼叫、响应延迟 2.5 秒的语音自助客服,测试容量提升 50 倍。

  3. AWS Machine Learning Blog42

    用 AWS Quick 的 AI 驱动生命周期管理(AI-PDLC)加速产品开发

    AWS Quick 推出 AI 驱动的产品开发生命周期框架 AI-PDLC,用六个 AI 智能体把分散在企业系统中的客户信号转化为可验证的产品原型。框架由 Orchestrator 统一调度 Discovery、Prioritize 等专家智能体,从 Slack、Jira、Salesforce 等来源汇聚上下文,每个阶段均设人工审批关卡。

11月11日周三
  1. AWS Machine Learning Blog61

    用 LangGraph 与 Amazon Bedrock AgentCore Web Search 构建每日依赖监控器

    AWS 官方博客演示用 LangGraph 与 Amazon Bedrock AgentCore 的 Web Search API 搭建每日依赖监控,为安全团队每天核查 npm、PyPI 包和容器基础镜像的新变化。

    推荐理由:教程给出了可迁移做法,把日期窗口、屏蔽名单和搜索预算固定在代码里,再对照引用来源校验每条发现。

11月10日周二
  1. AWS Machine Learning Blog47

    AWS Quick 中的技能与智能体如何工作

    AWS Quick 的智能体(agent)按指令加载所需技能、通过连接器对外部应用执行操作,并基于 space、知识库、数据集等已连接数据生成回答。技能是可复用的指令集,系统技能可生成 Word、PowerPoint、Excel、PDF 文档,或浏览网页、运行代码、执行深度研究、转录音视频和生成图像。

  2. AWS Machine Learning Blog40

    Pluggable Agentic AI Framework:基于 Amazon Bedrock AgentCore 的七层可组合企业级智能体 AI 参考架构

    AWS 提出 Pluggable Agentic AI Framework:一套基于 Amazon Bedrock AgentCore 的七层可组合企业级智能体参考架构,帮助多智能体应用从原型走向生产规模。架构将数据与知识、模型与推理、编排、安全防护等拆分为七个具有稳定契约的层,各层组件可按现有基础设施替换。安全防护需从设计之初内置,包括默认不信任外部内容、细粒度权限控制与敏感数据脱敏。

11月7日周六
  1. AWS Machine Learning Blog52

    使用 Okta Cross App Access 与 Amazon Bedrock AgentCore 治理 AI 智能体访问(第 1 篇)

    AWS 官方博客第 1 篇教程演示如何用 Okta Cross App Access(XAA)与 Amazon Bedrock AgentCore 约束智能体可代表哪位用户访问哪个应用:Okta 作为治理平面签发单用途、5 分钟有效的 ID-JAG,AgentCore Identity 用其兑换访问令牌并存入令牌库,智能体代码不接触客户端密钥。

  2. AWS Machine Learning Blog44

    基于 Amazon ECS Fargate 的无服务器 MCP 服务器:让 AI 智能体访问企业数据湖

    亚马逊北美分拣中心(NASC)团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器,作为 AI 智能体与企业数据湖之间的集中式、智能体无关的网关。新增数据集只需一个 JSON 元数据文件,服务器在下次管道同步时自动发现,无需为每个数据集编写集成代码。该架构在多租户环境中支持多个智能体与应用,端到端交互延迟保持在 15–20 秒。

11月6日周五
11月5日周四
11月4日周三
11月3日周二
10月31日周六
  1. AWS Machine Learning Blog57

    Amazon Bedrock 端到端成本管理手册:面向 FinOps 与平台团队的五阶段操作框架

    AWS 官方博客发布 Amazon Bedrock 端到端成本管理手册,提出归属、可观测、执行、优化、运营五阶段闭环。核心做法是用 IAM 主体标签和 CUR 2.0 把每笔推理成本归属到具体身份,通过共享网关按用户 assume role 解决共享角色归属丢失问题,并按监控告警、IAM 拒绝策略、网关同步拦截三档执行预算。

  2. AWS Machine Learning Blog60

    使用 Amazon Bedrock AgentCore runtime 的 Session endpoints 实时预览编程智能体构建的网页应用

    AWS 官方博客介绍了 Amazon Bedrock AgentCore runtime 的 Session endpoints:为每个智能体会话生成带鉴权的 URL,将 HTTP 与 WebSocket 请求转发到会话内允许的端口,使编程智能体编辑的网页在浏览器中无需刷新即可更新。

    推荐理由:原文逐步演示了如何用 Session endpoints 在浏览器中实时预览智能体构建的网页,读者可把这套带鉴权的端口转发机制迁移到自己的智能体调试流程。

  3. AWS Machine Learning Blog28

    如何在 AWS GovCloud (US) 中通过 Amazon Bedrock 配置 ChatGPT 桌面应用

    ChatGPT 桌面应用现已可在 AWS GovCloud (US) 中通过 Amazon Bedrock 使用,提供 Work 与 Codex 两种组件接入 OpenAI 前沿模型。模型推理经 us-gov-west-1 的 Amazon Bedrock Mantle 端点路由,可由 IAM 和现有网络控制治理,数据留在所选区域。按 token 计费、无席位许可,并支持零数据留存(ZDR)。