AWS 生成式 AI 创新中心开放 23 个可复用资产,交付周期从数月缩短至数周
AWS 生成式 AI 创新中心(现属 AWS Frontier AI Engineering & Services)开放了 23 个生产级可复用资产目录,覆盖 RAG 流水线、文档处理、智能体脚手架等组件,可将开发时间从数月缩短至数周。
AWS 生成式 AI 创新中心(现属 AWS Frontier AI Engineering & Services)开放了 23 个生产级可复用资产目录,覆盖 RAG 流水线、文档处理、智能体脚手架等组件,可将开发时间从数月缩短至数周。
多向量嵌入模型可通过 Token Pooling 合并相似 token 向量来压缩存储,而 pooling 感知训练能让编码器在合并时保留关键信息。在 pool_factor=4、文档向量减少 4 倍的条件下,常规训练模型保留未池化 NanoBEIR nDCG@10 的 94.6%,感知训练将这一保留率提升至 97.8%。
AWS Quick 推出 AI-PDLC 框架,用六个专用智能体覆盖产品开发前四个阶段,由 Orchestrator 统一调度,每个环节都设人工审批关卡。Discovery 智能体按严重度和频率为痛点打分生成 Pain Point Board,Prioritize 智能体用 0–10 分双框架评估用例优先级。
Amazon Bedrock AgentCore 的 Web Search API 现已可用,通过单次 API 调用返回带标题、URL、发布日期和摘录的实时网页结果,查询由 AWS 自有索引处理、不经过第三方搜索引擎。
Amazon Bedrock AgentCore Evaluations 提供内置、DeepEval 和 AutoEval 三类评估器,内置评估器由 AWS 编写并经过质量测试,共 16 个,涵盖响应质量、任务完成、工具使用、技能和安全五组。
AWS 发布 Amazon Bedrock 调用日志可观测性数据湖方案,通过 CloudWatch 订阅过滤器将多账号调用日志汇聚到中心账号,经 Data Firehose 转为 Parquet 存入 S3,并用 Athena 统一查询。
Simon Willison 用 Claude Fable 5.2 的 3D 建模与动画能力,生成了一段 Three.js 动画:按 Yonkers 边界切出的巨型机甲从地下站起,行走于曼哈顿、布鲁克林、皇后区和布朗克斯,踩踏计数与机甲高度实时显示。模型还正确识别出提示词中 "átomos" 是 "stomps" 的键盘输入错误。
Anthropic 文档指出,Claude Fable 5.2 会关注代码归属:当提示词说明代码库属于模型自己时,它更倾向于合并重复代码并主动做相关修复。文档给出的提示词是“You are the owner and long-term maintainer of this codebase, and its design is up to you.”。
Simon Willison 用 Claude Code 构建了 Beep Locator,通过多台设备三角定位房间里的神秘蜂鸣声,最终将声源位置锁定在约 40cm 范围内,找到一台电量耗尽的旧一氧化碳探测器。
CrossnoKaye 基于 Amazon Bedrock AgentCore 构建工业物理 AI 系统 AURA,与其软件定义自动化平台 ATLAS 打通,覆盖 100 多个工业设施和 13,000 台受控设备。
AWS 提出 Pluggable Agentic AI Framework,一套面向多智能体应用、分为七层的可组合企业级参考架构,用于把智能体从原型推进到生产规模。
Simon Willison 用 HTML 的 details/summary 标签把 Claude Code、Codex 等智能体生成的冗长 PR 描述折叠起来,GitHub Markdown 原生支持该标签。他在 PR 开头只保留一段人工挑选的高层说明和截图,summary 处标注模型名与 effort 级别(如 "Claude Opus 5.5 Medium"),完整细节仍可展开查看。
Simon Willison 在 Claude Chat 中用 Claude Opus 5.5 Medium 把此前用 Three.js 制作的裸鳃类主题 Fabergé 彩蛋(77KB)移植成原生 JS 版本(98KB)。
Simon Willison 用 Claude(Opus 5.5)对比了用 C 和 Rust 编写 SQLite parse_number() 扩展的差异:Rust 版体积为 321 KB(Rusqlite)和 298 KB(sqlite-loadable-rs),C 版仅 14 KB,但 Rust 版更快。
斯坦福 CS146S 课程《The Modern Software Developer》已把作业改为向开源项目提交补丁,由仓库维护者亲自评审学生代码。授课者 Mihail Eric 同时在 Monaco 负责 AI,其团队评估后保留 Devin 做代码审查,但自建智能体工作区,并遵循"买来学、自建留"的原则。
斯坦福 CS146S 课程在第二轮教学中引入开源维护者参与评审,学生需学习陌生代码库、提出修改并向可能合并代码的维护者解释补丁。授课人 Mihail Eric 同时负责 Monaco 的 AI 工作,他披露团队自建智能体工作区、外购代码审查工具,并让值班智能体接入 Datadog 与 GitHub。他以此说明哪些工具值得自研、哪些应当购买。
GitHub 单周提交量突破 12 亿次,同比增长超 400%,超过 2025 年全年总量。Faros AI 研究显示,团队从低 AI 采用率升至高位后,pull request 的评审停留时间延长了 441%。
AWS Quick 团队提出一套智能体原语分类体系,用 When、What、Who、How 四个问题拆解智能体工作,对应触发器、智能体与能力三层结构。触发器分为人工发起、智能体委派、定时和事件驱动四类;智能体被定义为持久、可学习的行为主体,由指令、能力和学习上下文构成。能力涵盖工具、技能和工作流,按智能体自主程度从完全自主到完全确定性排列。
示例项目 sample-remote-coding-agent 展示了如何把 Claude Code 作为远程智能体运行在 Amazon Bedrock AgentCore 上,每个任务在独立 AgentCore runtime 会话的 microVM 中执行,最终返回 GitHub pull request 供审阅合并。
Okta Cross App Access(XAA)与 Amazon Bedrock AgentCore 组合,可在 IdP 中管控 AI 智能体代表哪个用户在哪个应用内操作。
在 Amazon Bedrock AgentCore 上,AgentCore Gateway 成为智能体访问 MCP 工具的唯一入口,由 Gateway 统一兑换 Okta Cross App Access 的授权,智能体角色不再持有 token 交换权限和密钥。
亚马逊 NASC 团队在 Amazon ECS Fargate 上构建了无服务器 MCP server,作为 AI 智能体访问企业数据湖的集中式网关,新增数据集只需一个 JSON 元数据文件,无需编写集成代码。
Amazon Marketplace 用 Vision-Language Model 将完整 A+ Content 页面渲染为单张快照做整体质量评估,再把 VLM 语义评分与 OCR 可读性信号输入基于专家标注训练的 CatBoost 分类器,并用 SHAP 解释评分、生成改进建议。
NVIDIA 通过全栈协同设计缓解 AI 工厂的 GPU 内存压力:从 Blackwell Ultra 到 Vera Rubin 平台,单 GPU 的 HBM 容量仅提升约 3%,但 SemiAnalysis AgentX 上的智能体吞吐每美元最高提升 30 倍。
Amazon Bedrock AgentCore Evaluations 可通过代码型评估器接入决策模型,把评估输入转换为决策模型请求、再把概率还原为评估结果。
U Mobile 基于 Amazon Bedrock AgentCore 构建了 AI-Driven Agentic Helpdesk(AiDaH),一年内覆盖六个业务部门的 150 多个运营场景,关键类别工单量最多下降 84.5%。平台采用六层架构,通过 Microsoft Teams 接入,2026 年 Q3 面向 50 名 L2 呼叫中心与门店用户上线,共 8 个智能体。
Indegene 在 AWS 上的 NEXT Unified Data Platform(NEXT UDP)中构建了由 LLM 驱动的 Data Quality Agent,可生成上下文感知的数据质量规则、完成校验并输出可直接运行的 SQL 和 Python 代码,且处于集中式 human-in-the-loop 治理之下。
AWS 博客以开源多智能体数据分析方案 Deep Insight 为参考实现,拆解生产级 AI 智能体的四层上下文工程:架构层用多智能体隔离上下文、提示词层限制输出、工具层把内容外置到文件系统、验证层用独立智能体与兜底机制把关。
Cartesia 基于自研 State Space Model(SSM)架构的 Sonic 文本转语音与 Ink 语音转文字模型,在 AWS 上实现低于 100ms 的首字节延迟。Sonic 首音频字节约 90ms,支持 44 种以上语言、10 秒音频样本克隆音色;Ink 原生支持对话轮次检测与流式转写。两者面向实时语音智能体,可在 AWS 上部署以满足数据主权与合规需求。
文章演示如何用 EDB Postgres AI 在 Postgres 数据库内构建语义层,并让运行在 Amazon Bedrock AgentCore 上的 Strands Agents 智能体通过 MCP 端点查询该层回答 C360 问题。
Amazon Bedrock AgentCore Gateway 可配置 on-behalf-of(OBO)token 交换,让 AI 智能体调用 ServiceNow REST API 时保留发起用户的身份。
Hugging Face 提出 transformers-mic 模型集成契约(MIC)标准,用缩小版 fixture 模型在 CPU 上运行快速集成测试,在 PR 阶段拦截回归。
OpenAI 构建了 Git 兼容后端 Pando,用于支撑 Codex 带来的开发规模。该后端面向大规模开发场景设计,具体性能数据与开放情况原文未披露。
基于 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK,可构建多智能体工程助手,自动完成零件替代评估中的跨文档比对。
AWS 介绍如何用序列级知识蒸馏(SeqKD)在 Amazon SageMaker AI 上微调购物智能体:由前沿教师模型生成多步工具调用轨迹,仅保留能完成任务的成功轨迹,再用监督微调训练小模型,无需教师 logits 或强化学习基础设施,闭源或仅 API 可用的教师模型同样适用。
针对需要精细控制网页内容的场景,可用开源 Python 爬虫 Crawl4AI 为 Amazon Bedrock Knowledge Bases 做自定义预处理:将每页 Markdown 与元数据 sidecar 写入 Amazon S3,再经 S3 数据源导入知识库。
AI 原生财富管理公司 Arca 让智能体承担最长可达十天的长周期任务,但交易和资金流动仍由人类顾问最终决策。Arca 以 Claude 为主要模型,自建 harness 按内部基准自动选模型,并用内部记忆系统追踪每位客户的进展与责任人。其安全限制完全确定性,智能体仅负责分析与提出方案,另设沙箱与格式校验防范提示词注入。
AWS 提出用五步闭环管理 Amazon Bedrock 生成式 AI 成本:归因、可观测、预算强制、平台默认优化与定期复盘。Amazon Bedrock 可将推理成本自动归因到发起调用的 IAM 主体,调用方 ARN 写入 CUR 2.0 的 line_item_iam_principal 列,覆盖 IAM 用户、角色、联合身份与 API key。
Amazon Bedrock AgentCore runtime 新增 Session endpoints,可为每个会话提供带鉴权的 URL,把允许端口上的 HTTP 与 WebSocket 请求转发到浏览器,让编码智能体改完文件后网页即时刷新。
NVIDIA 员工用 Nemotron Voice Agent 搭建了万圣节互动装置 MonsterHouse,让车库门以暴躁老海盗船的嗓音与讨糖孩子对话。