Localiza 如何围绕生成式 AI 重组工作
Localiza 正在围绕生成式 AI 重组工作方式。公司借助 ChatGPT Enterprise、OpenAI API、Codex 及 60 余个专用智能体,构建 AI 原生的出行体验。
Localiza 正在围绕生成式 AI 重组工作方式。公司借助 ChatGPT Enterprise、OpenAI API、Codex 及 60 余个专用智能体,构建 AI 原生的出行体验。
Google Antigravity 智能体科学工作台助力生物学家发现一种针对呼吸道感染病原体的新型抗菌肽候选物,目前该候选物正在接受湿实验验证。
用 Amazon Bedrock AgentCore 可搭建智能体式文档处理系统:智能体自动分类、抽取、校验业务文档并从纠正中学习,无需为每种版式手动配置模板。
Third Moment Research 借助 GPT-6 Astra、GPT-6.1 Sol、Codex 以及面向网络安全的 Daybreak,构建能连续多天保持专注并随使用不断改进的智能体。该实验室目前可让 10,000 个智能体持续运行 36 小时以上。
Tamnoon 基于 Amazon Bedrock 构建了智能体云修复编排器 Tami,自主调查 CNAPP 及云原生来源的安全发现并编排修复,90 天内关键云暴露减少超 90% 且零生产事故。
基于 Amazon Bedrock AgentCore 的 AI 智能体系统可将季度报告、合规文件等企业文档自动生成客户演示文稿,内部测试 90 秒内完成。
Amazon SageMaker JumpStart 提供海量预训练模型,可用 SageMaker Python SDK 部署模型、运行示例提示词测量延迟与单请求生成速率,并在测试完成后删除端点。
AWS 官方博客介绍 Anchor Browser 与 Amazon Bedrock AgentCore payments 的集成,让 AI 智能体遇到 HTTP 402 付费墙时按 x402 协议自动完成支付并继续任务。
推荐理由:原文把智能体支付栈从运行时移到托管基础设施的方案讲清楚,读者可据此理解 x402 机器对机器支付的落地方式。
Amazon Bedrock 的托管权益支持从中心账户一次性订阅第三方 AI 模型,并将访问权限分发到组织内各账户。
GitHub 上线了基于微调 ModernBERT 分类器的新密钥扫描管线,替代原有 LLM 管线。新管线采用正则候选生成加上下文感知分类的两阶段设计,模型导出为 ONNX 并做 8-bit 量化。
推荐理由:原文给出用小型微调编码器替代 LLM 调用的完整管线与量化结果,可迁移到其他低延迟的文本判定场景。
AWS 介绍了在 Amazon SageMaker AI 上为 fused MoE 模型实现的多项内核优化。Swap-AB 技术通过转置矩阵乘法匹配 Hopper WGMMA 硬件布局,在 H200 上带来 2–4% 的端到端吞吐提升,并已上游至 vLLM 0.24.0 及以上版本。
AWS 机器学习博客演示在 Amazon Bedrock 上用 Grok 4.7 构建工具调用智能体,并在三个需搜索而非查询的任务上逐档评测推理强度。72 次运行答对 67 次,xhigh 全部答对,low 以约八分之一的输出 token 答对 15/18 次。文章还给出按请求选档、用输出 token 与工具调用数做生产监控的可迁移方法。
ShipStation Global 基于 Amazon Bedrock AgentCore 构建了 Slack 内的 AI IT 帮助台智能体 Deckhand,可回答常见 IT 与公司问题、读取错误截图并创建和更新 Jira Service Management 工单。
Orca Security 与 AWS 合作构建了基于 Amazon Bedrock 的自然语言查询智能体 Discovery AI,可将自然语言问题转换为 Sonar 查询。相比初始基线,其查询成本降低 90%、输入 token 减少 93%、延迟降低 75%。该系统现每天处理数千次查询,响应时间约 15 秒,覆盖 900 多种云模型。
GitHub 官方博客讲解了四种让 Copilot 掌握项目规则的方式:在 .github/copilot-instructions.md 中写自定义指令、把可复用流程打包成 agent skills、用 .github/agents 中的自定义智能体处理跨文件任务,以及通过 MCP 服务器连接 Playwright 等外部工具。
AWS 官方博客介绍如何用多节点 Ray LLM Deep Learning Containers 在 Amazon EKS 上把一个大语言模型部署到两个 GPU 节点,一个节点负责 prefill、另一个负责 decode,共同暴露一个 OpenAI 兼容端点。
AWS 演示在 Amazon SageMaker AI 上通过 AWS DLC for llama.cpp 部署量化决策模型,同一运行时既支持 OpenAI 兼容的 chat completions,也可经 SemIf(原 OpenJev)直接返回各候选选项的概率。
Postman 在 Amazon Bedrock 上运行 Agent Mode,为 4000 万开发者提供覆盖 API 测试、文档、发现与实现的 AI 智能体能力。
推荐理由:文章给出了把智能体嵌入成熟产品时可复用的工程模式,如动态裁剪工具集、用 schema 读取代替工具泛滥。
Ai2 用 GPU 时间预算、分层公平份额分配和时间切片契约取代了基于优先级的调度器,把各研究项目 GPU 时间多少的争论从逐案运营任务转为透明的行政预算流程。Ai2 管理数千张 NVIDIA H100、B200 和 B300 GPU,服务约 150 名内部研究员,未满足的 GPU 需求随时达到可用量的 2-3 倍。旧的优先级调度导致了 GPU "占坑"、优先级通胀等"公地悲剧"问题。
LegalOn 将每日 Codex 估算成本降低 65%,同时保持开发速度。其做法是将 Astra、Sol 和 Luna 与任务相匹配,并进行策略性的预算管理。
作者在 HuggingChat 中开启 ML-intern 模式,用自然语言描述需求,几天内做出六个自定义小模型,总计算成本约 103 美元。
推荐理由:作者用六个总成本约 103 美元的项目,总结了给智能体设预算、要基线、做冒烟测试的可复用方法。
开发者正将 GPT-6 Astra、GPT-6 Sol 与 Claude Code 等前沿模型接入 NVIDIA Omniverse 库,驱动 AI 智能体构建数字孪生、机器人与 VR 仿真。
AWS 给出 Amazon SageMaker HyperPod 的多租户参考架构,让多团队共享同一 EKS 集群时仍保持工作负载隔离与资源公平。
AWS 官方博客演示用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 为 AWS DevOps Agent 补上自动修复环节,把调查摘要变成经一次审批即可执行的修复。
Qlik 基于 Amazon Bedrock 构建企业级 AI 助手 Qlik Answers,为全球 40,000 多家客户提供带来源、可验证的问答能力。自 2026 年 2 月正式上线以来,其 Discovery Agent 已为客户呈现超过 100,000 项发现。
AWS 机器学习博客提出 Agentic Value Model,指出 RPA 时代的工时乘人工成本式 ROI 模型遗漏了智能体自动化的大部分价值。该模型把价值拆为时间节省、异常处理、决策质量、变更韧性与维护经济性四个池,每个池都需设定变现机制与责任人,文中以年处理 20 万件、约 12 分钟每件的理赔分拣为例给出测算。
Cornerstone OnDemand 基于 Amazon Bedrock 与 AWS 开源智能体编排框架 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟压缩至 10 分钟,降幅 78%。三人团队历时六个月完成交付,该系统将十余步手动数据库生命周期操作合并为单次自然语言交互,并将冗余告警量中位数削减 65%。
AWS 设计了为期六周的结构化项目,支持非工程背景业务人员构建 AI 原型,一支四人团队据此开发出多智能体金融顾问工具 WealthWise 并获第一名。90% 的受访业务人员希望获得构建 AI 智能体的实操经验,分阶段培养留存的实用技能为两天集训形式的三倍。
Jump Trading 使用 OpenAI 扩展其量化研究能力。其更长时间的 AI 工作流将多个数据源与人工审查相结合,从而支持更复杂的研究流程。
:
推荐理由:文章给出了一套可复用的有状态 Agent 设计方法,包括记忆命名空间隔离、按任务路由模型和 prompt 缓存排序,可直接迁移到自己的助手项目。
AWS 发布指南,详解如何用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾。智能体基于 Strands Agents 与 MCP 对接后端,实现语音查航班、改座位与转接人工。系统各层可独立扩展,并提供含合成数据的示例航空后端。
通过 Amazon SageMaker Unified Studio 管理 SageMaker HyperPod 时,可在组织、项目、集群、工作负载四个层级保留治理控制。
AWS 阐述如何依据 ISO/IEC 42005:2025 开展 AI 系统影响评估,并将其纳入企业整体风险管理流程。
AWS 官方博客介绍如何在 AWS GovCloud (US) 中通过 Amazon Bedrock 运行 Claude Code,让受 ITAR 等合规要求约束的工作负载也能进行 AI 辅助开发。
Quick Resource Migrator 是基于 Amazon Bedrock AgentCore 的 MCP 服务器,可单次调用把 Amazon Quick 的代理、连接器、知识库、流程与空间从开发账户提升到生产账户。迁移为幂等 upsert,变更前写入 Amazon S3 备份并支持只读预览,权限经 API 读取后在目标账户重放。源代码在 aws-samples 仓库提供。
AWS 官方博客逐步演示了在 Amazon Bedrock Managed Knowledge Base 上用 LangChain 构建 RAG 应用,对比标准检索与智能体检索两条路径。
AWS 官方博客演示如何用 Amazon Bedrock AgentCore Evaluations 构建并评估一个多智能体供应链决策系统,示例企业 AnyCompany Retail 采用一个编排智能体加优化、配送、路由、分析四个子智能体。
OpenAI 发布 GPT-6 系列模型实践指南,说明创业公司如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具,并为生产环境准备工作流。
推荐理由:指南覆盖模型选型、推理强度调节与生产工作流准备,可直接用于 GPT-6 多版本之间的选型与调参决策。
AWS 提出 Adjudicated Query 模式:业务用户在 Amazon Quick 聊天界面用自然语言提问,模型只负责翻译问题和复述结果,通过/失败判定全部由确定性规则引擎完成。
推荐理由:原文给出了一种可迁移的架构方法,把自然语言入口交给大模型、把通过/失败判定保留在确定性规则引擎中,适合需要可证明完整性与可辩护性的合规场景。
AI 正在改变开发者工作,GitHub 提出三项需要强化的技能:指挥 AI 智能体、不盲信 AI 的首个答案、用 AI 解决更大的问题。例如让第二个 AI 模型审查第一个模型的输出:GitHub Copilot 内置的 Rubber Duck 智能体即用第二模型在推进前评审方案、代码与测试。当 AI 承担更多实现,清晰定义问题、评估权衡与做出技术决策等人类判断力反而更关键。