跳到正文
10月8日周四
  1. AWS Machine Learning Blog52

    超越节省工时:如何为智能体自动化构建商业论证

    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。

10月7日周三
  1. AWS Machine Learning Blog43

    Cornerstone OnDemand 如何借助 Amazon Bedrock 将数据库诊断时间缩短 78%

    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%。

10月6日周二
10月5日周一
  1. AWS Machine Learning Blog42

    让 Amazon Quick 企业级就绪:自动化、可审计的跨账户资源提升

    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。

10月3日周六
  1. OpenAI News60

    GPT-6 系列模型实践指南

    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。

10月2日周五
  1. AWS Machine Learning Blog60

    使用 Amazon Quick 和 Adjudicated Query 模式批量扫描租约合规性

    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。

  2. GitHub Blog · AI & ML37

    AI 正在改变开发者工作:三项需要强化的技能

    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。

9月26日周六
  1. GitHub Blog · AI & ML44

    GitHub Copilot app 新手教程:如何用 canvases 构建自定义工作流

    GitHub Copilot app 的 canvases 是用户与 agent 双向共享的可定制界面,可做成看板、问题分流板或清单等形态。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流,agent 即会生成界面并在右侧面板打开,无需手写代码。创建后可持续调整,也能作为扩展保存给团队共享,或从 Awesome Copilot 安装现成模板再定制。

9月25日周五
  1. GitHub Blog · AI & ML73

    当聊天是错误的 UI:GitHub Copilot canvas 实践

    GitHub Copilot 的 canvas 是运行在 Copilot 应用内的全栈小应用,可与智能体双向通信;作者认为聊天并非 AI 的最佳交互界面,多数场景下自定义 UI 更合适。文中演示了与 GPT-5.6 Sol 对战 Connect 4、Winget 包管理、SQLite 数据库操作等 canvas 示例,并建议让智能体构建可复用工具而非把智能体本身当工具,以避免浪费 token。

    推荐理由:作者给出可迁移的方法,与其把聊天当万能界面,不如让智能体先构建专用工具,后续交互不再消耗 token。

  2. GitHub Blog · AI & ML70

    GitHub Security Lab Taskflow Agent 实现 AI 驱动的自动化模糊测试

    GitHub Security Lab 开源了 Fuzzing Taskflow,一条面向 C/C++ 项目的全自动模糊测试流水线,只需指向 GitHub 仓库即可自动完成入口识别、harness 编写、运行 AFL++、覆盖率分析、崩溃分类和漏洞报告。

    推荐理由:原文给出了把模糊测试循环交给 LLM 智能体的完整设计,其决策与执行分离的思路可迁移到其他安全自动化流水线。

9月24日周四
  1. GitHub Blog · AI & ML49

    GitHub Copilot app 如何渲染超大 pull request

    GitHub Copilot app 重构了 pull request 视图,使超大 diff 与海量评论下浏览依然流畅;团队用一个 2,200 文件、超过 100 万行改动、400 余条内联评论的开源 pull request 做极限验证。核心方案是把文档高度拆成确定性的代码行高与按需测量的动态块两套几何,动态块以文件、行和侧边锚定并记录内容指纹,重排时也不会丢失定位。

9月17日周四
  1. GitHub Blog · AI & ML86

    GitHub 将 Copilot agent runtime 迁移至 Rust,大部分代码由 Copilot 智能体编写

    支撑 Copilot CLI、应用和 SDK 的 Copilot agent runtime 已从 TypeScript 完全重写为 832,378 行生产级 Rust,大部分代码由 Copilot 智能体经 128 个 PR 以逐组件原子替换的方式完成,运行时性能提升数个数量级。

    推荐理由:原文完整记录了用智能体完成大规模语言迁移的方法与数据,原地原子替换和提示缓存策略可直接迁移到同类重构项目。

9月9日周三