三位 Java Champion 如何用 GitHub Copilot 提升生产力
三位拥有十余年 Java 经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的具体实践。Vlad Mihalcea 借助 Copilot 将原本需数周的 Optimizer 事件历史 Web 应用缩短至两天完成,并用 65 篇文章训练自定义 skill 模仿自己的写作风格。
三位拥有十余年 Java 经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的具体实践。Vlad Mihalcea 借助 Copilot 将原本需数周的 Optimizer 事件历史 Web 应用缩短至两天完成,并用 65 篇文章训练自定义 skill 模仿自己的写作风格。
AWS 博客演示用 AtScale 作为语义层、Amazon Bedrock AgentCore 托管 Strands 智能体,构建 Customer 360 场景。
AWS 发布教程,演示以 Strategy Mosaic 作为语义层、在 Amazon Bedrock AgentCore 上运行 Strands 智能体,通过 MCP 端点访问跨 Amazon Redshift 与 Amazon Aurora 的 Customer 360 模型。
本文演示用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体,联邦查询 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 三处数据源。
GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续,对话、代码改动和工作上下文均完整保留。VS Code 会加载该会话关联的 worktree,并在 Copilot 侧边栏显示原会话,用户可逐行审查 diff、手动编辑、本地运行测试,再将更新推送到会话对应的 pull request。
AWS 团队介绍 vLLM 中的双向 KV 传输机制,让 decode 节点在后续轮次把已计算的 KV 缓存回传给 prefill 节点,避免重复计算对话历史。
vLLM 新增 push 模式的 NIXL connector,把 prefill 后的传输协调与建链从关键路径移到 prefill 侧后台线程,减少首 token 等待。
Deepgram 与 AWS 合作将 Nova-3 语音转文本模型移植到 Trainium2,用于联络中心分析、医疗转录等离线批处理场景。最终配置在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本,每美元处理的音频量比原有算力方案高 11%–70%。优化涵盖 TorchNeuron 编译、NKILib 融合内核替换及 Rust 数据并行运行时。
AWS 销售、营销与全球服务(SMGS)运营团队基于 Amazon Bedrock AgentCore 搭建了面向全球 AWS 现场销售的多智能体系统,并用 AgentCore Evaluations 构建全生命周期评估框架。
sparqlite 是一个用 Rust 编写的 SQLite 可加载扩展,将 RDF 四元组存入普通 SQLite 表,并在 SQLite 进程内原生执行 SPARQL 1.1 查询与更新。
微软与 Nvidia 为 RTX Spark 笔记本做了大量 Windows 优化,重点让本地 AI 智能体和模型在 Arm 架构上快速可用。Windows 首次启动会提供 Get Started 体验,用户两次点击即可找到、安装并进入智能体,Hermes、Perplexity 和 OpenClaw 是首批官方支持的智能体。
Simon Willison 用 Claude iPhone 默认应用的聊天模式,让 Claude Opus 5.5 Max 构建了一款名为 Tree Appreciator 的 Three.js 游戏,玩法是欣赏两棵算法生成树木之间的差异。Claude 耗时 3 小时 7 分钟,返回了一个带音乐、动画和成就系统的找不同小游戏,可玩性相当高。
亚马逊云科技介绍如何用 Amazon Bedrock AgentCore 构建智能体式 IDP 系统,由 8 个专用智能体组成识别与训练两条工作流,自动分类、提取、校验文档并从纠正中学习,新格式无需手工配置模板。系统基于 Strands Agents 编排,结合 Amazon Textract、S3 Vectors、Aurora DSQL 等,可在 20 分钟内完成部署。
基于 Amazon Bedrock AgentCore 的 AI 智能体系统可自动生成 PowerPoint 演示文稿,内部测试中不到 90 秒完成。
Amazon SageMaker JumpStart 提供预训练模型目录,可用 SageMaker Python SDK 部署模型、运行轻量可复现的性能测试,并在测试完成后删除端点。
Simon Willison 用 Python 3.15 内置的 `profiling.sampling` 剖析未修改的 web-edit 应用,发现混合换行符保留主导了繁忙编辑负载。
Amazon Bedrock 的托管权益(managed entitlements)支持从中心账户一次性订阅 AWS Marketplace 私有定价优惠(MPPO),再向组织内多账户分发模型访问权限。
针对 MoE 模型在解码阶段因 M 维过小导致 Hopper GPU 利用率低的问题,AWS 通过 Swap-AB 转置让专家维度 N=8192 进入首个操作数位置,在 H200 上实现端到端输出吞吐提升 2–4%,该优化已合入 vLLM 0.24.0 及更高版本。
AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线,并演示如何用它构建工具调用智能体。
推荐理由:通过 72 次可复现的智能体运行,量化了 Grok 4.7 不同推理档位在准确率与 token 成本间的取舍。
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了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。
GitHub Copilot 可通过四种方式定制项目上下文:仓库级自定义指令(.github/copilot-instructions.md)、封装可复用流程的 agent skills(.github/skills)、面向复杂任务的 custom agents(.github/agents),以及连接外部工具与数据的 MCP 服务器。
AWS 发布 llama.cpp 专用深度学习容器(DLC),可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管方式部署量化模型,并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
AWS 发布面向多节点部署的 Ray LLM Deep Learning Containers,可在 Amazon EKS 上用两个 GPU 节点部署单个大语言模型,将 prefill 与 decode 阶段分离并统一在一个 OpenAI 兼容端点之后。
一名非 AI 专家在 M5 Ultra Mac Studio 上安装开源 Hermes Agent,并选用 125B 参数、约 105GB 的 Qwen 3.8 Flash Next 本地模型,尝试用 AI 智能体处理日常任务。他让 Hermes 生成每日晨间简报、按类型整理 400 多款 Steam 游戏,并在本地分析财务记录和笔记本规格表,以避免将敏感数据上传云端。
Python 3.15.0 已被加入 GitHub Actions 的 actions/python-versions,现在可以在 GitHub Actions 测试矩阵中填入 "3.15" 来针对新版本运行测试。Simon Willison 表示为此等待了几天,甚至让 ChatGPT 每小时检查一次,直到稳定版 3.15 被添加。
Ai2 用 GPU 时间预算、分层公平分配和时间切片合约替换了原有的优先级调度器,把各研究项目该分多少 GPU 时间的争论从逐案运维任务变成透明的行政预算流程。
Postman 披露其 Agent Mode 在 Amazon Bedrock 上的生产架构,用于支撑 4000 万开发者的 API 测试、文档、发现与实现工作。
Simon Willison 用 ChatGPT 桌面版 Codex 标签页的语音对话模式,在做饭的半小时里几乎全程靠说话为博客开发出 Newsletters 页面,底层模型为 GPT-6 Astra High。
Hugging Face 作者 yuvraj sharma 与 Abubakar Abid 用 HuggingChat 中的 ML-intern 模式,在几天内做出六个模型。
推荐理由:作者用 ML-intern 在两天内做出六个模型,公开了完整提示词与每项算力成本,可迁移到自己的训练流程。
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构,让多个团队共享同一 GPU 集群并保持隔离与资源公平。
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统还把手动生命周期操作从 10 多步压缩为 1 次交互(减少 70%),并将冗余告警中位数削减 65%。三人团队用六个月完成交付。
AWS 提出一套六周结构化培养方案,让非工程背景的业务人员用 Strands Agents SDK、Amazon Bedrock AgentCore 和 Amazon Nova 模型构建可用的 AI 原型。
AWS 展示了一套自动化修复工作流,用 Amazon EventBridge 接收 AWS DevOps Agent 的调查完成事件,再由 AWS Lambda Durable Functions 调用 Amazon Bedrock 从预审工具白名单中选取修复动作。
AWS 提出 Agentic Value Model,用于替代为 RPA 设计的传统 ROI 模型,从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量 agentic automation 的价值。
在 Amazon Bedrock AgentCore 上运行开源智能体系统 OpenClaw,可构建具备持久记忆的上下文感知 AI 助手。AgentCore memory 将一次性对话转为持久知识,并支持结构化元数据标记以检索相关记忆;文本与图像分别路由至 Claude Haiku 4.5 和 Claude Sonnet 4.5。
Parseable 是一个新的可观测性平台,提供 AGPL 开源的 Rust 实现(单个约 180MB 二进制文件)、企业版和云托管选项。Datasette 1.0a41 新增 OpenTelemetry 支持后,作者用 Codex 摸索出运行 Parseable 并接收 Datasette traces 的方法,并在 Parseable 本地 Web 应用中查看 Datasette trace。
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases,可在航空公司应用中搭建语音旅行助手,让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
针对多团队共享 Amazon SageMaker HyperPod 集群的治理难题,AWS 提出组织、项目、集群、工作负载四层控制模型,并说明如何通过 SageMaker Unified Studio 将已批准的 HyperPod 集群接入项目,同时保留底层 IAM、Amazon EKS 与 Slurm 控制。
Simon Willison 测试 Claude Opus 5.5 能否作曲,让它设计一种简单的文本音乐格式并构建可播放的 artifact,还要求附带示例曲目,风格对标初代《猴岛小英雄》。结果成品比他预想的更贴近猴岛主题,效果出奇地好。他猜测这种作曲能力可能类似文本模型近期涌现的 3D 图形能力,但需用更多新旧模型做实验才能确认是否为新能力。
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 已上线 AWS GovCloud (US) 区域的 Amazon Bedrock,为 ITAR 等受监管工作负载提供 AI 辅助开发通道。