跳到正文
10月8日周四
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. Latent Space42

    AINews:Pi 1.0、Pi Durable 与 AIE NYC

    Pi 1.0 与 Pi Durable 双双登上 Hacker News 首页:Pi 1.0 带来原生 MCP 支持、虚拟模型扩展、延迟工具加载与会话中系统消息等更新;Pi Durable 将 Pi 迁移至 TypeScript,实现崩溃后自动恢复、跨 JavaScript 运行时可移植与多路并发。

9月29日周二
  1. Hugging Face Blog61

    ProvenanceGuard:为 MCP 智能体提供来源感知的事实性验证

    Multiverse Computing 发表论文 ProvenanceGuard,提出面向 MCP 智能体的来源感知事实性验证方法,专门检测事实成立但归属来源错误的跨来源混淆问题。

    推荐理由:论文针对 MCP 智能体的跨来源混淆问题提出来源感知验证方法,在医疗测试中拦截了专家判定不应通过的 139 条声明里的 138 条。

9月28日周一
  1. Hugging Face Blog68

    Holo4 发布:通用计算机操作智能体系列,含 27B dense 与 35B-A3B MoE 两款

    Hcompany 发布 Holo4 系列智能体模型,包含 27B dense 与 35B-A3B MoE 两种尺寸,可通过 GUI、代码、MCP 和 API 与软件交互,同一模型可跨桌面、网页、Android、代码沙箱与业务 API 运行。

    推荐理由:原文给出了多接口能力说明与 OSWorld 2.0 成本性能对比,读者可据此判断开源智能体模型相对闭源前沿模型的取舍。

9月25日周五
  1. 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18日周五
  1. GitHub Blog · AI & ML45

    GitHub Podcast:该读 AI 生成的代码吗,RAG 死了吗,Skills 杀死了 MCP 吗?

    GitHub Podcast 最新一期逐一拆解了五个流行 AI 观点:开发者仍需对 AI 生成代码负责,但可按风险分级投入审查精力。Skills 与 MCP 并非竞争关系——MCP 提供工具与数据的标准接入,Skills 传递团队约定与最佳实践,两者可在同一工作流共存。RAG 也没有死,检索增强生成让模型基于训练数据之外的信息作答,并与 agent、Skills、MCP 协同工作。

9月11日周五