用 Amazon Nova Act 构建意图驱动的 UI 测试
Epsilon 用 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser 将意图驱动 UI 测试做成多租户平台服务,与现有 Playwright 回归套件互补,供各产品团队经统一 API 调用。
Epsilon 用 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser 将意图驱动 UI 测试做成多租户平台服务,与现有 Playwright 回归套件互补,供各产品团队经统一 API 调用。
MoEngage 用 Amazon Bedrock AgentCore Gateway 把约 400 个私有 REST API 转成权限受控的智能体工具,AI Platform 团队统一托管 MCP 层,业务团队只需维护 OpenAPI spec。
AWS Batch 推出配额管理(quota management)调度功能,管理员可按团队或项目把计算容量划分为配额份额(quota share),并自动共享闲置 GPU 容量。
OpenAI 采用分层监控机制来检测前沿模型不对齐和未经授权的 AI 智能体行为。该机制使响应人员能够在事件升级前及时介入干预。
Amazon Nova Act 的 QA Studio 参考方案新增 applications 与团队用户管理两项能力,帮助其在跨团队规模化落地。applications 将用例与测试套件按应用归组,并基于 Amazon CloudWatch 指标展示通过率、执行次数、失败数及 0–100 健康分数,还能识别不稳定测试。
AWS 构建的 Ray Train DLC 是预置 EFA 网络栈的 PyTorch 分布式训练容器镜像,无需自建镜像即可在 EKS 上运行多节点训练。示例用 PyTorch FSDP 在两个 g6.12xlarge 实例的 8 张 NVIDIA L4 GPU 上微调 Qwen2.5-1.5B。
Exowatt 使用 Amazon SageMaker AI 无服务器模型定制构建可复用 AI 流水线,为边缘与云端两个部署目标产出任务专用微调模型,准确率超越前沿模型且成本最多降低 49×。该流水线基于 Qwen3-1.7B 微调用于边缘告警分诊,并基于 Qwen3-14B 微调用于云端能源市场分析。Exowatt 现在可在数天而非数月内完成从原始运行数据到微调模型的全流程。
OpenAI 工程师借助 Codex Ultrafast 将事故调查从数小时缩短至数分钟。该工具同时加速安全分析、代码重构与日常工程工作流。
AWS 将 2023 年的边缘视觉质检 MLOps 方案更新至 SageMaker Python SDK v3,用 SageMaker Neo 替换已弃用的 Edge Manager 做边缘优化。
该文用 AWS CDK 在 Managed Amazon Bedrock Knowledge Base 上构建企业级智能体检索系统:推理智能体决定是否检索、查询哪个知识库,由 AgenticRetrieveStream API 返回带引用的答案。
Amazon SageMaker AI 的多轮强化学习(MTRL)以整个任务序列的最终成败为奖励信号,用 GRPO 更新 LoRA 适配器来训练智能体。在 Wordle 示例中,MTRL 将 GPT-OSS-20B 在预留词上的解题率从 61% 提升到 84%(低推理强度下从 15% 升至 69%),训练 token 成本约 $339。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了多智能体自然语言接口 Agentic Decision Engine(ADE),用于理解其 Connected Decision Engine 的 ML 工作流,首阶段约 80% 的用户问题无需工程师介入即可解决。
AWS 提供可复用的 CDK construct,用 CloudFormation 自定义资源在 SageMaker AI 端点更新前后自动注销并注册自动扩缩容,单次部署即可同时更新端点配置与扩缩容参数,无需人工干预。
OpenAI 通过可靠的多租户架构、全球缓存和 Azure Cosmos DB 扩展了 Habitat 存储系统,使 ChatGPT 读取速度提升 12×。该在线存储架构用于支撑超过 10 亿 ChatGPT 用户。
Rescale 用 AWS 的 AI-DLC 框架构建 AI 测试分诊智能体,5 天内完成从问题定义到预发布部署,数周内进入生产。该智能体运行在 Amazon EKS 的 Argo Workflows 流水线中,调用 Amazon Bedrock 上的 Claude Opus 4.8,将夜间 Playwright 测试失败分类为基础设施问题、代码缺陷、不稳定测试或环境问题。
该方案将 82M 参数的 TTS 模型 Kokoro-82M 以自定义容器部署到 Amazon SageMaker AI 实时端点,用实测数据替代猜测的自动扩缩容目标。
AWS Solutions Architecture 团队构建并开源了生产级多智能体系统 Deep Insight,用户上传 CSV 并输入自然语言后,由八个分工智能体协作完成数据分析、图表生成、计算校验,最终输出带引用的 DOCX 报告。
推荐理由:原文给出多智能体系统从架构到生产部署的完整设计,读者可把分层编排和按角色选模型的思路迁移到自己的系统。
演示如何借助 AWS PrivateLink 支持的 VPC endpoints 与 VPC connections 将本地数据源私密接入 Amazon Quick,流量全程不经公网。
AWS 机器学习博客介绍自适应智能体框架 AAIF:以 llama3.2:1b 作为本地编排器,常规请求交给 Ollama 运行的本地小模型,复杂请求才路由到 Amazon Bedrock 云端模型,以降低 API 成本并保持低延迟。
AWS 演示在单台 trn2.48xlarge 实例(16 个 Trainium2 加速器、64 个逻辑 NeuronCore)上用 torchtitan 以三种方式训练 Qwen3。
非营利组织 U.S. Hunger 借助 Amazon Quick 让领导团队直接探索组织数据,无需每次请技术团队重新拉取。Quick Spaces 为同事提供共享的文档、KPI 定义和分析空间,帮助领导层基于一致口径协同决策。目前该组织已为 17 名同事开放访问权限,SQL Server 数据每晚 2 点刷新到 SPICE 供分析使用。
TorchNeuron 是 AWS Trainium 的开源原生 PyTorch 后端,本篇教程讲解如何用 torch.profiler 与 Neuron Explorer 对推理性能做系统级分析。
OpenAI 搭建了由 LLM 驱动的 ChatGPT 广告技术栈,用以理解用户对话意图。该系统将广告与模型回答保持分离,并支持大规模投放相关广告。
i14 与 AWS 合作,通过 TorchNeuron Native 的原生 PyTorch 后端将 Laplace 3B 线性注意力模型移植到 AWS Trainium2,其 GLA 循环状态固定为每序列 29.5 MB,不随上下文长度增长。
Octave Reliance 在 Amazon Bedrock 上构建了三层安全多租户 AI 基础架构,将每个用例的部署时间缩短 50%。
AWS 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B,解决其链式思考默认用英语、50 例多语言测试中仅 22% 使用目标语言的问题。
Amazon Quick 与 Amazon Bedrock AgentCore 的对话式供应链方案让团队用自然语言跨 ERP、监控、采购等系统直接获得可执行答案。
Smartsheet 正式推出全面可用的 MCP Server,使 AI 助手能通过标准化协议读取、写入和管理 Smartsheet 数据。该服务器提供超过 40 种工具,支持用自然语言更新任务状态、创建行和修改项目结构。文章还演示了如何将 Amazon Quick 和 Kiro 作为 MCP 客户端接入现有工作流。
AWS 官方博客演示了用 AWS Agent Registry 让编排器在运行时通过混合语义与关键词搜索发现已批准的 MCP 服务器和 A2A 智能体,替代硬编码工具接入。
推荐理由:原文给出运行时发现替代硬编码工具的参考实现,读者可据此评估自家 Agent 目录的治理与认证拆分方式。
加拿大用户现在可通过 Amazon Bedrock 跨区域推理,从 Canada (Central) 和 Canada West (Calgary) 区域调用 OpenAI GPT-5.6、GPT-6 和 GPT-6.1 模型,推理在北美处理。
Hugging Face 宣布 TorchTPU 为 PyTorch 增加原生 TPU 后端,Transformers、Diffusers 和 Kernels 无需 torch_xla 或 Optimum TPU 即可在 TPU 上运行,加载 Hub 模型只需设置 device_map 为 tpu。
推荐理由:原文对比了 torch_xla 旧方案并给出 device_map=tpu 等迁移细节,读者可评估现有 PyTorch 代码上 TPU 的改造成本。
教程演示用 AtScale 在 AWS 上为 Agentic AI 构建语义层,由 Amazon Bedrock AgentCore 托管 Strands agent 处理 Customer 360 场景。
Strategy Mosaic 作为维度化语义层,使 Amazon Bedrock AgentCore 上托管的 Strands 智能体可经 MCP 端点查询跨 Amazon Redshift 与 Amazon Aurora 的 Customer 360 数据。
Eon 基于 Amazon Bedrock AgentCore Gateway 搭建统一 MCP 网关,以单一认证入口替代逐工具凭证和本地 MCP 服务器,让开发者和自主智能体跨 AWS、GCP、Azure 统一访问调查工具。新工程师接入全部调查工具的时间从约 2 天缩短到约 2 分钟。该方案通过 Cedar 策略实现最小权限访问,生产工具仅限只读。
GitHub Blog 采访了三位拥有十余年经验的 Java Champion,请他们分享在生产环境和开源项目中使用 GitHub Copilot 的具体案例与实践。
GitHub 官方教程说明可以直接在 VS Code 中打开 Copilot 应用会话,原有对话、代码改动和工作上下文都保持完整。在会话中选择 Open in VS Code 后,VS Code 会打开会话关联的 worktree 并在侧边栏显示该会话;随后可逐行审查 diff、直接手动编辑、在集成终端运行测试,最后提交并推送到会话已关联的 pull request。
推荐理由:教程演示了把 Copilot 应用会话原样接入 VS Code 的完整流程,会话上下文、diff 和 worktree 均保持连续,可作为智能体改动手动接管的工作流参考。
AWS 在 vLLM 中实现双向 KV transfer,让 prefill 与 decode 节点跨对话轮次复用已计算的上下文,降低多轮智能体工作负载的 TTFT。
Deepgram 与 AWS FDE 团队合作,将 Nova-3 语音转文字模型移植到 AWS Trainium2,在单个 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本,离线批处理工作负载每美元可多处理 11–70% 的音频。
AWS SMGS 运营团队基于 Amazon Bedrock AgentCore Evaluations 为其服务全球销售团队的多智能体系统搭建了九阶段生产级评估框架,覆盖从首次提交到生产运行的全生命周期。
推荐理由:原文给出可迁移的九阶段智能体评估框架与六类失败分类法,读者可据此在生产环境中建立持续质量闭环。
两名工程师用 Codex 在数周内发布 Stack Overflow for Agents,其 ChatGPT 插件带动注册量增至三倍。该插件还推动智能体创建量实现最高 10 倍增长。