AWS 新增 Bedrock 托管知识库迁移智能体指南
AWS 在 Agent Toolkit 中新增 Amazon Bedrock Managed Knowledge Base 迁移指南,允许编码智能体协助用户将客户管理的知识库自动迁移至托管模式。
AWS 在 Agent Toolkit 中新增 Amazon Bedrock Managed Knowledge Base 迁移指南,允许编码智能体协助用户将客户管理的知识库自动迁移至托管模式。
Hugging Face 发布 TRELLIS.2 3D 模型微调脚本与容器,支持本地及 HF Jobs 运行。 脚本基于 PEFT 库实施 LoRA 微调,冻结原权重以节省显存,仅针对鞋类几何误差优化。
结合 Spring AI 与 Amazon Bedrock AgentCore 为 Java 团队提供构建自主 AI 智能体的完整方案,涵盖规划、工具调用及记忆功能。 该方案要求使用 JDK 21、Spring Boot 4.1 及 spring-ai-agentcore 2.0,通过单智能体旅行助手与多智能体文档处理示例展示生产级部署模式。
AWS 发布方案在 PyTorch DDP 训练中集成三项检查,定位静默数据损坏(SDC)并自动隔离替换故障节点。 检查涵盖非有限梯度、环重放审计及权重指纹比对;经 4 台 p5.48xlarge 实例(32 张 H100 GPU)验证,代码已在 GitHub 开源。
开发者可通过 Native AWS Access、AgentCore Gateway 或 LLM Gateway 三种路径在 Amazon Bedrock 上运行 OpenAI Codex,核心是统一身份管理与 IAM 权限控制。
DXC OASIS 基于 Amazon Bedrock 构建多模型 AI 基础设施,平均解决时间降低 95%。 涵盖 Anthropic Claude、Amazon Nova、Meta Llama 等模型,集成 Guardrails 与 PrivateLink 保障安全。
AWS 利用 AWS CloudTrail、Amazon EventBridge 和 AWS Lambda 构建事件驱动架构,自动化同步 Amazon Bedrock AgentCore 中 MCP 服务器的元数据。
AWS re:Invent 2026 的 AI/ML 轨道提供超过 140 个独家会话,覆盖从 AWS Trainium 芯片、Amazon Bedrock 模型服务到 AgentCore 智能体开发的全栈技术。
AWS 推出框架无关系统 UAEF,利用 36 项内置指标和 7 个维度对 AI 智能体进行统一评估。 该系统通过适配器将 LangGraph 等框架的 Trace 标准化,结果存储于 DynamoDB 与 S3。 12 家机构使用 UAEF 对比智能体版本,通过生成报告实现评估与迭代的闭环。
AWS Quick 利用六个专用 AI 智能体构建 AI-PDLC 框架,协助团队加速产品开发。该框架整合企业数据,从客户信号生成经过验证的原型规范。 每个阶段都保留人工审批,Orchestrator 负责调度专项智能体。产出 prototype_spec.md 供 Kiro 或 Claude Code 等编码智能体执行开发。
使用 Sentence Transformers 进行 token 池化感知训练,使模型在 4 倍存储压缩下 NanoBEIR nDCG@10 保留率从 94.6% 升至 97.8%。 该方法基于 Ward 层次聚类合并相似向量,支持按长度自适应压缩,显著优化多向量模型的存储效率与检索质量。
Amazon Bedrock AgentCore 的 Web Search API 现已可用,它为智能体提供带有来源引用的最新网络搜索结果。这篇文章介绍了一个使用 LangGraph 结合该 API 构建安全团队每日依赖项监控工具的教程,该工具通过并行搜索 npm、PyPI 和容器基础镜像,并利用代码层限制和证据检查机制来确保结果准确。
推荐理由:文章展示了如何在 LangGraph 中将不可更改的规则与数据保留在代码中,提供生产级智能体的构建范式。
Amazon Bedrock AgentCore 提供内置、DeepEval 及 AutoEval 三类评估器,用于生产级智能体行为评估。内置评估器涵盖 15 个维度(如 GoalSuccessRate);DeepEval 专注多轮对话;AutoEval 识别安全信号。评估应从业务成果出发,避免仅依赖表面指标。
AWS 推出 Amazon Bedrock 调用数据湖方案,将分散在多个 AWS 账号中的模型调用日志汇聚至中央存储,提供统一的 Token 消耗可观测性。该方案通过 CloudWatch 收集日志,利用 Lambda 清洗数据,最终通过 Amazon Data Firehose 转换为 Parquet 格式写入 S3,支持使用 Athena 查询。
AWS Quick 通过 Agents 和 Skills 自动化任务、分析数据并构建应用。Agent 位于核心,基于 ReAct 模式,通过 Connectors 和 Skills 处理请求。 Agent 依据配置连接 Spaces、Knowledge Bases 等数据源,支持生成文档、执行代码及深度研究。 该机制允许用户以自然语言操作连接应用,实现可重复任务的标准化执行。
Kuken Industries 使用 OpenAI API 在 4.5 分钟内完成检索,大幅缩短此前近 1 小时的工作时长。 该方案支持对 70 年积累的冷却塔图纸进行快速查找,帮助工程师高效获取维修所需文件。
CrossnoKaye 的 ATLAS 和 AURA 系统通过整合 AWS 的 Amazon Bedrock 和 AgentCore 架构,利用软件定义自动化平台连接工厂数据与 AI 推理。AURA 使用独立 Python 沙箱确保计算的可验证性,在多个工业设施中显著提升了生产效率并降低了能源成本,同时通过多层次的安全机制保障工业安全。
GitHub Copilot 推出 Plan、Build、Verify、Observe 四阶段智能体工程工作流,旨在通过自动化流程提升开发全链路效率。 该指南结合 GitHub Agentic Workflows、云沙箱执行及 Copilot Fusion 模型调度功能,通过持续会话与跨设备协作解决多任务并行难题。
Anthropic 发布了新的工程博客文章,介绍 Claude 如何通过“dreaming”机制整理已学习内容、纠正错误并更高效地检索所需信息。文章链接为 https://www.anthropic.com/research/components-of-agent-memory
推荐理由:官方披露了 Claude 通过记忆机制优化学习流程的工程细节,展示了智能体在经验积累上的新能力。
该方案结合 Okta Cross App Access (XAA) 和 Amazon Bedrock AgentCore 实现 AI 智能体访问治理。Okta 在身份提供方层面评估策略,决定智能体是否可代表特定用户操作应用;AgentCore 在 AWS 执行层面将决策转化为短时效访问令牌。
AWS 博客展示如何利用 Amazon Bedrock AgentCore Gateway 和 Cedar 策略集中治理大规模 AI Agent 对工具的访问,解决直接连接导致的接线矩阵和权限漂移问题。
亚马逊支持团队在 Amazon ECS Fargate 上构建无服务器 MCP 服务器,作为 AI 智能体访问企业数据湖的中央网关,解决多智能体重复开发权限控制的问题。 该架构采用元数据驱动模式,新增数据源仅需提供 JSON 文件即可自动接入,无需编写定制代码,支持多租户环境下不同 MCP 客户端共享同一工具接口。
AWS Quick 团队提出了一套智能体原语分类法,将任务分解为 When、What、Who、How 四个维度。触发(Triggers)定义任务启动时机与内容,包括人工交互、定时、事件驱动和代理委托四种类型;代理(Agents)是持续学习执行者,包含指令、能力与学习上下文;能力(Capabilities)指代理执行任务的方式,按确定性分为原子工具、结构化技能和确定工作流。
文章展示如何通过 Amazon Bedrock AgentCore 将 Claude Code 部署为远程智能体,实现任务在隔离会话中运行并返回 GitHub Pull Request。
summary_zh: Taxbit 基于 Amazon Bedrock AgentCore 发布了嵌入其合规平台的 AI 助手 Taxbit Assist。该助手支持带引用的角色感知问答,且超过 55% 的用户在首次提问后 24 小时内会再次使用。
Greenlight Financial 利用 Amazon Bedrock AgentCore 构建自主安全运营中心,每月无干预解决超 90% 的 3,000-4,000 个安全案例。 采用分层多智能体架构,包含 30+ 专用智能体及情景记忆,常规案例中位分诊时间仅数秒,复杂案例自动升级至人工审查。 该方案展示了在受监管金融行业部署自主智能体的生产指标与架构模式。
文章以 DeepSeek 发布的 SuperAgent 双层架构为参照,阐述 QoderWake 在数字员工场景下的 Router/Worker 协作落地实践。
summary_zh: 创作者leedain_leader_in实测Kling 4.0,一次性生成包含10个镜头的18秒广告及23秒幕后花絮,实现物理效果与台词的直接可用。
开发者利用阿里云百炼 CLI 和 Qwen Code,开源了“一键生成公众号封面”的 Skill。该工具通过 qwen3.6-plus 识别内容风格,由 qwen3.8-max 组装提示词,调用 qwen-image-2.0 生成 1344×572 底图。
阿里云百炼 Token Plan 现已支持千问办公,用户绑定后,在自身积分用尽时,可使用 Token Plan 的 Credits 抵扣模型调用消耗。 该服务通过 Credits 统一计量,支持文本、图像、视频、语音模型调用。
亚马逊 A+ 内容使用高质量素材可提升 8–20% 销量,但现有单资产评估难以捕捉整体质量。该方案将完整电商页面渲染为快照,由 VLM 进行整体评估,并结合 OCR 信号与轻量级 CatBoost 分类器预测专家质量标签。 SHAP 解释用于生成改进建议,该端到端流水线基于 Amazon SageMaker AI 实现,涵盖数据摄取至生产监控。
NVIDIA 通过全栈协同设计优化 GPU、CPU 与存储层级,最大化每字节 HBM 利用率。 从 Blackwell Ultra 到 Vera Rubin 平台,单 GPU HBM 容量微增 3%,但在 SemiAnalysis AgentX 上每美元智能体吞吐量提升高达 30 倍。 该策略利用 NVFP4 压缩模型权重和 KV 缓存,并通过 NVL72 多卡分布与分层存储缓解内存墙限制。
豆包工作支持抓热点、做方案、出内容、管素材、看反馈五类营销场景,提供对应 Skill 与提示词,可结合品牌信息直接调用。 功能涵盖调用“营销热点策略师”与“全案营销”技能生成选题和 PPT 全案,支持“无限画布”统一视觉设计,并调用 Seedance 2.5 生成约 30s 真人宣传短片。
阿里云百炼推出模型后训练能力,提供 SFT、DPO、强化学习、蒸馏等方案,支持通义系列未开源模型微调。 覆盖文本、视觉理解及图音视频语音专项训练,部分模型支持全参或 LoRA 高效微调,并配套 API 及评测工具。 调优模型可直接云上部署调用,但暂不支持下载到本地,企业需结合业务数据质量与成本评估启动训练。
Amazon Bedrock AgentCore Evaluations 支持将 Jev 和 Strands Decider 2B 等决策模型接入代码型评估器,对智能体输出进行结构化打分。
AWS 官方教程介绍了名为 Deep Insight 的开源多智能体数据分析项目,它基于 Strands Agents SDK 和 Amazon Bedrock AgentCore,展示了四层上下文工程方法。
推荐理由:原文给出了四层上下文工程架构与代码实现,并展示单一工具与按需加载可显著降低token占用。
Qoder 插件市场新上架 diagram-design 项目,该 GitHub 项目获 6.25 万 Stars。它将设计师规范转化为 Agent Skill,让 Qoder 按专业逻辑出图。 用户无需懂设计,只需提供资料即可生成产品爆炸图、RAG 架构图、甘特图等 8 类场景图表。 生成的图表可通过 Qoder Sites 一键发布为展示网页并分享。
Qoder 预告 11 月 5 日直播,探讨企业级 Agent 敏感数据保护方案。 通过 AgentLoop 追溯风险会话,结合本地检查与凭据拦截,防止访问密钥传递。 分享嘉宾为阿里云高级技术专家徐可甲,演示从风险追查到保护验证的全过程。
AI 视频创作者 TechHalla 实测 Kling 4.0 与 Kling 4.0 Flash,在真实项目中验证了模型在多镜头硬切、复杂物理动作及长时角色一致性上的表现。
开发者杨津在 CC Switch 发布 14 个月后分享开发心得,该开源项目现支持 12 个 AI 编程工具,获 149K GitHub Star,内置 90 多家供应商预设。