用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾
AWS Machine Learning Blog 展示如何在航空应用中用 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases 构建语音旅行礼宾。方案通过 MCP 连接后端工具,支持查询行程、改座位、更新餐食偏好、回答政策问题,并可转接真人客服。
AWS Machine Learning Blog 展示如何在航空应用中用 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases 构建语音旅行礼宾。方案通过 MCP 连接后端工具,支持查询行程、改座位、更新餐食偏好、回答政策问题,并可转接真人客服。
AWS 介绍如何通过 Amazon SageMaker Unified Studio 管理 SageMaker HyperPod,同时保留底层治理控制。文章将控制分为组织、项目、集群和工作负载 4 层,涵盖身份、容量、可观测性、RBAC、EKS Pod Identity、Slurm、配额、优先级、借用和抢占等策略。
AWS 说明如何用 ISO/IEC 42005:2025 将 AI 系统影响评估纳入企业 AI 治理和风险管理流程。该标准覆盖评估内容、执行时机、文档记录、监测复核,并在 Annex D、Annex E 提供集成流程和独立模板。AWS 还提供 ISO/IEC 42001:2023 AIMS 实施指南和 Responsible AI Lens 等配套工具。
Amazon Quick 和 Amazon Bedrock Knowledge Bases 通过查询时实时 ACL 校验,让 RAG 生成回答遵守企业知识源权限。
AWS Machine Learning Blog 介绍了一个用于构建智能体自动化商业论证的 Agentic Value Model,主张传统 RPA 时代的 ROI 模型会漏算异常处理、决策质量和维护经济性等价值。
Qlik 基于 Amazon Bedrock 构建 Qlik Answers,为员工提供带来源的自然语言问答,并支持企业级部署。
AWS Machine Learning Blog 演示了如何用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock,在 AWS DevOps Agent 完成事件调查后创建自动化修复工作流。
AWS Machine Learning Blog 提出一个为期六周的 AI 构建能力项目,帮助非工程岗位从讨论 AI 转向动手构建。项目参与者每周约投入四小时,结合导师和生产级工具;一支四人团队最终做出 WealthWise 多智能体金融顾问原型,使用 Amazon Nova、Strands Agents SDK 和 DynamoDB,实现复杂金融推理 sub-5-second 响应。
Cornerstone OnDemand 构建了 Orion AI 多智能体系统,用 Amazon Bedrock 和 AWS 开源的 Strands Agents 将数据库诊断从 45 分钟降至 10 分钟,缩短 78%。
AWS Machine Learning Blog 介绍了在 Amazon Bedrock AgentCore runtime 和 OpenClaw 上构建上下文感知个人助手的方法。
推荐理由:文章把记忆命名空间、模型路由和提示词缓存串成可复用架构,便于迁移到其他个人助理场景。
GitHub Blog 提出,开发者应强化三项 AI 时代技能:指挥 AI agents、审查 AI 首次输出、把节省的实现时间用于更大问题。文章建议用第二个 AI model 批判第一个模型的方案,并提到 GitHub Copilot 的 Rubber Duck agent 会用第二个模型审查计划、代码和测试。
ServiceNow CoreAI 构建 AutoSynthData,用目标模型失败和更强教师模型成功案例生成企业智能体训练任务。它将任务抽象为 system specification、user prompt、verifier,并要求任务可行、真实、能暴露当前模型弱点;在 EnterpriseOps Gym 实验中,流程会验证任务并随模型改进调整课程。
GitHub Blog 介绍了 GitHub Copilot app 中用 canvases 构建自定义工作流的方法。用户可在智能体会话中输入 /create-canvas,并用自然语言说明工作流、界面操作和智能体可执行动作,生成共享界面;canvas 可作为扩展保存、复用或与团队共享,也可从 Awesome Copilot 安装现成 canvas extensions 后再定制。
GitHub Blog 介绍 GitHub Copilot app 的 canvas,认为许多 AI 任务不应只依赖 chat 作为交互界面。canvas 是运行在 GitHub Copilot app 内的小型全栈应用,可与 GitHub Copilot agent 双向通信,也能调用第三方 API 或在本机执行代码。
推荐理由:文章用 GitHub Copilot canvases 示例说明,任务型自定义 UI 可减少把 Agent 当工具本身的 token 消耗。
GitHub Security Lab 介绍了 Fuzzing Taskflow,这是一个面向 C/C++ 项目的自主 fuzzing 流水线,基于 GitHub Security Lab Taskflow Agent 构建。
推荐理由:文章拆解了 LLM agent 接管 fuzzing 覆盖改进和崩溃分诊的流程,对安全自动化工作流有参考价值。
GitHub Blog 介绍了 GitHub Copilot app 为超大 pull request 重建视图的工程方案。团队用一个包含 2,200 个文件、超过 100 万行变更、400 多条行内评论的开源 pull request 压测,通过代码行虚拟化、评论动态高度测量、滚动锚定、增量数据管线和自动化测量循环,让大 diff 与多线程评论保持可滚动和可阅读。
推荐理由:原文拆解了大规模 diff 与评论渲染的工程取舍,可迁移到其他长列表和动态内容界面。
Mistral AI 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 迁移到 C++,对象是一个物理密集型油藏模拟器,原项目没有测试套件和集中化文档。
推荐理由:案例给出从校验基准到人机协作流程的迁移路径,可迁移到复杂遗留系统改造。