Amazon Bedrock AgentCore Evaluations 智能体评估指南:内置、DeepEval 与 AutoEval 评估器
Amazon Bedrock AgentCore Evaluations 提供内置、DeepEval 与 AutoEval 三类评估器,帮助团队在生产环境中衡量智能体是否真正完成业务任务。
Amazon Bedrock AgentCore Evaluations 提供内置、DeepEval 与 AutoEval 三类评估器,帮助团队在生产环境中衡量智能体是否真正完成业务任务。
Google DeepMind 宣布 Gemini 4 Carbon 面向开发者、企业、科学家和消费者开放,定位为网络安全、长程智能体工作流与科学推理的最强前沿模型。
推荐理由:原文将 Carbon 与 Argon 做了明确分工,并给出基准排名与价格,读者可判断该把它用在哪些最复杂的任务上。
TCS 基于 Amazon Bedrock AgentCore 构建了面向银行、金融服务与保险(BFSI)客户的多租户智能体测试编排器,将 Jira 需求、业务需求文档等输入自动转化为可执行、受管控的测试。
NVIDIA 在 KubeCon 上宣布把开源智能体安全运行时 OpenShell 捐给 CNCF 成为 Sandbox 项目,并参与 Google 主导的 Agent Substrate 项目。
推荐理由:原文给出 OpenShell 交由社区治理的机制,以及 Snapshot 把推理就绪时间从约 8 分钟缩到 31 秒的实测数据,可用来对比现有 Kubernetes 方案。
Google DeepMind 研究人员用多 LLM 智能体框架 AlphaProof Code,对 Signal 协议实际运行的代码完成深度形式化验证,证明其核心加密代码满足关键安全属性。
推荐理由:原文展示了多智能体框架将 Signal 加密协议的形式化验证压缩到四周,读者可据此评估安全验证自动化的新路径。
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。
CodeRabbit 使用 OpenAI 模型治理和信任 AI 生成的代码。借助 Codex,CodeRabbit 在工程团队规模不变的情况下将软件交付量提升 20 倍。
Amazon Bedrock Managed Knowledge Base 现在通过 AgenticRetrieveStream 支持单轮 RAG 和仅检索请求,应用可用同一 API 为简单查询和复杂问题分别选择检索模式。
AWS Quick 推出首个品牌宣传活动,推广这款仅面向工作场景打造、无消费级版本的 AI workspace。3M、BMW、Mondelez 等企业已在用 Quick 的 AI agents 跨已有应用调研、分析与执行任务。
CrossnoKaye 的自动化平台 ATLAS 与智能体系统 AURA 基于 AWS 构建,借助 Amazon Bedrock AgentCore 将工厂数据与 AI 推理接入设备闭环控制。
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。
现代汽车集团正探索 NVIDIA NemoClaw 蓝图与 NVIDIA OpenShell 运行时,韩国安全公司 AIM Intelligence 将 Starfort 平台与 OpenShell 集成,以检测恶意指令并防范数据泄露。
OpenAI 推出 BioBasicsBench 基准,用于衡量 AI 智能体解读原始实验数据、处理日常湿实验科学任务的能力。该基准共包含 100 项任务,专门评估智能体在日常湿实验科学场景中的实际表现。
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。
Amazon Bedrock AgentCore Gateway 成为统一入口,集中治理 Okta Cross App Access(XAA)授权的智能体访问,替代 Part 1 中智能体直连 MCP 服务器的拓扑。
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。
AWS Quick 将智能体工作拆解为 When、What、Who、How 四个问题,提出由 trigger、agent、capabilities 构成的智能体原语分类体系。
Greenlight Financial 基于 Amazon Bedrock AgentCore 构建自主 SOC 解决方案 Luna,每月自动处理多达 4,000 起安全与风险案件,超过 90% 无需人工干预。
AWS 宣布 Amazon Bedrock AgentCore 的 Web Answer 正式可用,智能体通过一次工具调用即可获得带来源引用的合成答案,不再需要自建搜索、检索、合成与引用管线。Web Answer 自行规划搜索、并行执行并核验事实,与返回原始链接的 Web Search 互补;目前仅在 us-east-1 可用,每 1000 次调用收费 $10。
推荐理由:原文把 Web Answer 与 Web Search 的分工讲清,并给出从网关授权到智能体调用的完整接入步骤,便于评估是否替换自建检索链路。
NVIDIA Vera CPU 在 100MW 数据中心对比中同时超越最快 x86 CPU 与最高能效 x86 CPU。它以单颗 CPU 兼顾智能体速度与每瓦容量,每瓦可运行 1.6x 更多智能体,并较最高能效 x86 CPU 提升 2x 速度。
OpenAI 发布 GPT‑6 Cyber,这是一款用于发现可利用漏洞并制定修复方案的网络安全模型,训练使其保持在授权范围内。
推荐理由:原文说明该模型可在授权范围内寻找可利用漏洞并生成修复方案,读者可据此判断安全类智能体在企业内部的可用边界。
NVIDIA 深度学习高级产品研究工程师 Chris Alexiuk 在 YouTube 教数千名开发者构建、微调并落地 LLM 应用与智能体,自称"Nemotron 头号粉丝"。
DevRev 采用 GPT-6.1 Sol 驱动 Computer 与 Operator,为企业服务提供自主自助服务能力。该方案在推理、速度与成本之间取得平衡。
OpenAI 构建了一条自主管线,在 Linux 内核中发现、验证并为 948 个本地提权漏洞生成了补丁。
推荐理由:原文给出了自主管线发现并修复 948 个 Linux 内核提权漏洞的结果,可据此评估 AI 在安全研究中的实际作用。
Indegene 在其 NEXT Unified Data Platform(NEXT UDP)上构建了生产级 LLM 驱动的 Data Quality Agent,可生成上下文感知的数据质量规则、完成验证并产出可直接运行的 SQL 和 Python 代码。
EDB Postgres AI 的 AIDB 扩展将语义知识库(SemKB)放进 Postgres 数据库:业务含义存于 COMMENT 语句,连接路径来自外键,并经内置 MCP 端点暴露给 Amazon Bedrock AgentCore 上的 Strands Agents 智能体回答 C360 问题。
Gen Digital 用 Amazon Bedrock AgentCore Web Search 为生成式 AI 职业声誉管理平台 Norton Revamp 构建了 AI 策划新闻引擎,平台于 2026 年 3 月上线。
Amazon Quick 通过 S3 知识库接入非结构化文档、通过带语义描述的数据集接入结构化数据,用户可用单个对话式 AI agent 在同一对话中跨两类数据源提问并获得带引用的回答。
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills,让智能体在约一小时内完成原本需数天的药物发现单次迭代。
NVIDIA 与 COMSOL、Applied Materials、Siemens 等厂商合作,用加速计算、物理 AI、AI 智能体和数字孪生重塑晶圆厂工程:cuDSS 让多物理仿真提速最高 10x,cuLitho 让光刻仿真提速最高 17x,PhysicsNeMo 将等离子体预测从数天缩至毫秒级。
NVIDIA 与合作伙伴正将物理 AI 和智能体 AI 扩展至全球城市,共享算力基础设施让城市部门无需各自采购资源即可上线服务。
Qodo 将企业知识与编码标准整合进 Codex,让 AI 代码审查具备公司上下文。开发者可在发起 pull request 前跨代码仓库提前发现 P0 级问题。
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。
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。
作者(NVIDIA 员工)为万圣节搭建了 MonsterHouse:一个会听会说的暴躁鬼屋投影,跑在单台工作站上。
Breakthrough Listen 与 SETI Institute 将智能体 AI 引入地外信号日常搜寻,智能体可经自然语言指令操控 Allen Telescope Array、校准仪器并实时处理数据流。
Microsoft Research Focus 第 97 期分享了微软在 AI 智能体、Copilot 使用及天气预报等领域的研究进展。自我改进框架 ForkPilot 在六个基准测试中最多减少 59% 的 AI 处理需求,研究还发现编程智能体的瓶颈在于理解陌生代码库。此外,Copilot Chat 最常见的活动是编辑文档(超 20%),BioEmu2 也已开启公共预览。
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。
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。