Amazon Quick 智能体原语分类法介绍
Amazon Quick 团队分享了智能体工作原语的分类法，通过 When What Who How 四个问题分解了智能体工作。系统定义了 Trigger Agent Capabilities 三个核心原语，其中 Agent 是一个持久学习的 Actor，Capabilities 包括 Tools Skills 和 Workflows。
#部署/工程
AWS Machine Learning BlogAI 评分5555 AWS Machine Learning BlogAI 评分5050 Extend Claude Code to remote sessions on Amazon Bedrock AgentCore with security controls
Claude Code 可作为远程 Agent 在 Amazon Bedrock AgentCore 上运行，每个任务在独立的 AgentCore runtime session 中执行，结果以 GitHub pull request 返回。
AWS Machine Learning BlogAI 评分5858 Taxbit Assist 基于 Amazon Bedrock AgentCore 构建可引用角色感知 AI 智能体实践
Taxbit 在其数字资产税务合规平台中嵌入了 Taxbit Assist AI 助手，该助手基于 Amazon Bedrock AgentCore 构建，用于帮助合规团队在产品仪表板内查找答案。该实践强调了答案必须可引用、具备角色和组织感知能力，并详细介绍了知识库构建、上下文分块、检索流程、安全数据处理和生产环境质量评估的工程细节。
AWS Machine Learning Blog精选AI 评分6666 Greenlight Financial 基于 Amazon Bedrock AgentCore 构建自主 SOC 解决方案
Greenlight Financial 利用 Amazon Bedrock AgentCore 构建了 Luna 自主 SOC 解决方案，每月无需人工干预解决超过 90% 的 3,000-4,000 个安全和风险案例。该系统采用分层多智能体架构，包含超过 30 个专业 Agent，并利用 Episodic Memory 实现持续学习，将平均例行案例的分类时间缩短至秒级。
推荐理由：Greenlight Financial 利用 Amazon Bedrock AgentCore 构建了自主 SOC 解决方案，实现了超过 90% 的安全风险案例的自动化处理。
AWS Machine Learning BlogAI 评分5050 Govern AI agent access with Okta Cross App Access and Amazon Bedrock AgentCore – Part 1
Okta Cross App Access (XAA) 结合 Amazon Bedrock AgentCore 用于治理 AI 智能体访问权限，确保智能体仅在授权范围内为用户行动。
AWS Machine Learning BlogAI 评分5050 Govern AI agent access with Okta Cross App Access and Amazon Bedrock AgentCore – Part 2
Amazon Bedrock AgentCore 引入 Gateway 解决 Agent 规模化时的治理问题，通过 Gateway 统一接收 Okta 的 ID-JAG 并评估 Cedar 策略，取代了 Part 1 中 Agent 直接调用 MCP Server 的模式。
AWS Machine Learning BlogAI 评分4545 Serverless MCP server for AI agent data lake access on Amazon ECS Fargate
Serverless MCP server 部署在 Amazon ECS Fargate 上，为 AI agent 提供企业数据湖访问，实现集中化、Agent-agnostic 的数据访问。该架构通过元数据驱动方式，仅需 JSON metadata 文件即可暴露新数据集，无需为每个数据集编写集成代码。测试中，上下文范围限定使端到端交互延迟控制在 15–20 秒范围内。
NVIDIA BlogAI 评分4545 NVIDIA Open Source Tools 助力研究人员构建下一代 6G 网络
NVIDIA 的 Aerial wireless 软件和 Sionna 等开源工具已获得全球开发者 10 倍增长，5G/6G 工具下载量超 100 万，超过 8,000 个研究机构使用。
NVIDIA BlogAI 评分1515 NVIDIA Vera 提供最高吞吐量和最快 Agent 性能
NVIDIA Vera CPU 在 100-megawatt 数据中心对比中，单颗 CPU 性能优于最快和最高能效的 x86 CPU。Vera 实现了 1.6x/watt 的 Agent 数量提升（对比最快 x86 CPU）和 2x 更快的 Agent 速度（对比最高能效 x86 CPU）。
AWS Machine Learning Blog精选AI 评分6060 Amazon SageMaker AI利用VLM和OCR评估Amazon Marketplace A+内容质量
Amazon Marketplace使用VLM和OCR构建内容质量评估系统，将完整页面渲染为单张快照进行VLM整体评估，并结合OCR的文本可读性信号训练CatBoost分类器。该融合模型在5,478个产品详情页上达到0.94的准确率和0.95的F1分数，通过SHAP生成可操作的改进建议，使修订后的页面质量得分平均提升1.4分。
推荐理由：该系统通过VLM、OCR和CatBoost融合评估A+内容，并利用SHAP生成可操作的改进建议，实现内容质量的量化与提升。
Microsoft Research精选AI 评分8585 使用 PDD Kit 形式化验证 Agent 编写的全栈 Web 应用
Microsoft Research 发布 PDD Kit 工具包，用于形式化验证 Agent 编写的全栈 Web 应用，以 Pet Store 的 Rust 前端和后端登录逻辑为例。PDD Kit 将用户意图转化为 Verus 形式化规范，自动生成证明和高质量测试，开发者只需审查意图而非逐行代码。
推荐理由：PDD Kit 帮助将意图转化为形式化规范，并使用 Verus 证明 Agent 生成的代码满足该规范，将软件审查重点从代码转向意图。
NVIDIA BlogAI 评分3030 NVIDIA 阐述全栈协同设计如何解决 AI 内存挑战
NVIDIA 通过全栈协同设计，整合 GPU、CPU、网络和软件，提高每字节内存的利用效率，缓解大型模型和 Agentic 应用带来的 HBM 压力。NVIDIA Blackwell Ultra 到 Vera Rubin 平台，HBM 容量/GPU 提升约 3%，在 SemiAnalysis AgentX 上 Agentic throughput/美元提升高达 30x。
OpenAI News精选AI 评分7474 OpenAI 自主管道发现并修复 948 个 Linux 内核本地权限提升漏洞
OpenAI 构建了一个自主管道，成功发现了验证并生成了 948 个 Linux 内核本地权限提升漏洞的补丁。
推荐理由：OpenAI 构建的自主管道成功发现了验证并生成了 948 个 Linux 内核本地权限提升漏洞的补丁。
AWS Machine Learning BlogAI 评分5353 使用决策模型结合 Amazon Bedrock AgentCore Evaluations 进行智能体评估
Amazon Bedrock AgentCore Evaluations 支持自定义评估器，可定义为 LLM-as-a-judge 或基于代码的评估器，支持集成决策模型。本文展示了如何通过基于代码的评估器将 Jev 和 Strands Decider 2B 决策模型连接到 AgentCore Evaluations，构建 HR Assistant 智能体的端到端评估流程。
AWS Machine Learning BlogAI 评分4545 U Mobile 如何使用 Amazon Bedrock AgentCore 构建智能体电信运营
U Mobile 利用 Amazon Bedrock AgentCore 构建了 AiDaH 智能体帮助台，目前覆盖超过 150 个已记录的运营场景，实现了关键类别故障工单量下降高达 84.5 percent。
AWS Machine Learning Blog精选AI 评分8888 生产级 AI 智能体的四层上下文工程实践与 Deep Insight 应用
生产级 AI 智能体在数据分析和报告生成中常因上下文管理成为瓶颈，本文基于 Deep Insight（基于 Strands Agents SDK 和 Amazon Bedrock AgentCore）阐述了四层上下文工程实践：架构级隔离、提示词控制、文件系统外部化和独立验证。通过单次写并执行工具，可将脚本对上下文的 token 消耗减少约 95%，按需加载技能可使系统提示缩减约 97%。
推荐理由：文章系统性地阐述了四层上下文工程实践，帮助生产级 AI 智能体有效管理 LLM 的有限上下文窗口。
AWS Machine Learning BlogAI 评分3535 Smart Approvals in Amazon Quick: Human oversight where it matters
Smart Approvals in Amazon Quick 通过评估拟议操作是否符合用户请求，自动批准或返回用户复审，旨在在 AI 智能体承担更多工作时保留关键的人工监督。该功能不授予额外权限，不移除必需的人工审批，并使用独立的 classifier 模型评估操作，同时记录权限更新至 AWS CloudTrail。用户可自行关闭 Smart Approvals，但账户级设置可强制启用。
AWS Machine Learning BlogAI 评分4545 Building ultra-low-latency voice AI applications on AWS
Cartesia 利用 State Space Models (SSMs) 和 AWS 基础设施，实现全球规模的 sub-100ms text-to-speech 和 speech-to-text。
AWS Machine Learning BlogAI 评分4545 Build a semantic layer for agentic AI with EDB Postgres AI and Amazon Bedrock AgentCore
EDB Postgres AI 允许将语义层内置于操作型 Postgres 数据库中，通过 AIDB 扩展实现 SemKB。该方案使用 Anthropic Claude 在 Amazon Bedrock AgentCore 上运行 Strands Agents 智能体，并通过 EDB MCP 端点暴露 AIDB 工具目录。
AWS Machine Learning BlogAI 评分5858 Gen Digital如何使用Amazon Bedrock AgentCore Web Search构建Norton Revamp的AI内容引擎
Gen Digital构建了基于Amazon Bedrock AgentCore Web Search的Norton Revamp专业声誉管理平台，核心是AI内容引擎，所有内容建议和新闻源于实时、引用的网络知识。该方案实现了零基础设施开销、完全在AWS内运行且无数据外泄，支持个性化实时新闻流、智能内容建议和趋势感知目标设定。
AWS Machine Learning BlogAI 评分4545 Amazon Quick 整合结构化与非结构化数据
Amazon Quick 允许用户通过统一体验整合存储在 Amazon S3 中的非结构化数据和结构化数据。用户可连接 Amazon S3 创建知识库，并将结构化数据作为富集数据集加载，随后通过单一对话式 AI agent 查询跨越两种数据类型的问题。使用此功能需拥有 Amazon Quick Enterprise 订阅和 Amazon S3 存储桶。
NVIDIA BlogAI 评分4545 AI 正在改变半导体制造流程 NVIDIA 助力工程师加速决策
AI 正在变革半导体制造，通过加速计算、物理基 AI 和 AI 智能体优化流程，使工程师能更快地评估替代方案。COMSOL 利用 NVIDIA cuDSS 库将多物理场模拟加速高达 10x，Applied Materials 结合 NVIDIA PhysicsNeMo 平台可将地形模拟加速高达 35x。
NVIDIA BlogAI 评分5555 全球城市利用 NVIDIA 物理和智能体 AI 构建和扩展 AI 服务
NVIDIA 及其合作伙伴正在全球城市推广物理和智能体 AI 应用，帮助城市将摄像头和传感器数据转化为规划、维护和公共服务的实际行动。
OpenAI NewsAI 评分1313 OpenAI 构建 Pando，一个支持 Git 的后端以应对 Codex 的开发规模
OpenAI 构建了 Pando，一个兼容 Git 的后端系统，旨在支持 Codex 所带来的大规模开发需求。Pando 的设计目标是满足当前开发规模的挑战，确保 Git 兼容性。
AWS Machine Learning BlogAI 评分4545 Circle K 如何使用 Amazon Bedrock 将 DevOps 事件分诊时间缩短至 15 分钟
Circle K 利用 Amazon Bedrock 构建了自动化分诊系统，该系统采用 agentic AI 架构，能在警报触发后数分钟内向 Slack 提供结构化摘要。
AWS Machine Learning Blog精选AI 评分7878 使用 Amazon Nova Multimodal Embeddings 和 Amazon Bedrock AgentCore 构建多智能体工程助手
该方案展示了如何使用 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和 Strands Agents SDK 构建多智能体工程助手，以自动化部件替代的证据收集。系统通过规划器路由至 Catalog、Evaluation 和 Knowledge 三个专家智能体，结合确定性代码进行规格匹配，并确保工程师始终是最终决策者。
推荐理由：该方案展示了如何结合多模态嵌入和多智能体系统，自动化工程部件替代的证据收集与文档起草。
AWS Machine Learning Blog精选AI 评分7878 使用知识蒸馏在 Amazon SageMaker AI 上构建高效智能体
通过序列级知识蒸馏 (SeqKD)，将前沿教师模型（如 GLM-5.3 on Amazon Bedrock）的行为迁移到小型学生模型（如 Qwen3.5-4B），实现高效智能体。该方法仅需教师的文本输出，无需访问 logits，可在 SageMaker AI 上使用服务器less SFT 进行微调，最终 4B 学生模型实现了接近教师模型的任务质量，显著降低了生产规模的调用成本。
推荐理由：文章展示了如何利用 SeqKD 将前沿教师模型的行为迁移到小型学生模型，实现成本和效率的平衡。
AWS Machine Learning BlogAI 评分5656 使用 Crawl4AI 准备网页内容供 Amazon Bedrock Knowledge Bases 使用
Amazon Bedrock Knowledge Bases 支持 Amazon Bedrock Web Crawler 进行网页内容摄取，但若需结构化 Markdown 准备、目标化提取或自定义元数据，可结合开源 Python 爬虫 Crawl4AI。
AWS Machine Learning BlogAI 评分4545 Managing Amazon Bedrock costs end to end: A playbook for FinOps and platform teams
Amazon Bedrock 成本管理是应用构建团队和云支出负责团队的共同责任，需要一个包含五个阶段的持续循环操作模型。该模型包括：将每笔 Amazon Bedrock 费用归因于身份、观察每笔请求的元数据、通过预算和强制执行控制支出、优化平台默认设置，以及建立数据驱动的审查周期。
AWS Machine Learning Blog精选AI 评分6565 使用 Amazon Bedrock AgentCore runtime Session endpoints 实时预览编码智能体构建的 Web 应用
Amazon Bedrock AgentCore runtime 的 Session endpoints 允许用户通过浏览器实时预览编码智能体构建的 Web 应用，无需等待部署。本教程部署了一个使用 Vite 网站的编码智能体，通过本地端点和 Session endpoint 在浏览器中实时查看和交互，例如将网站切换为深色主题。
推荐理由：该教程展示了如何通过 Session endpoints 实现编码智能体构建的 Web 应用实时预览和交互体验。
AWS Machine Learning BlogAI 评分4545 ChatGPT desktop app 在 AWS GovCloud (US) 上配置 Amazon Bedrock 使用 OpenAI 模型
ChatGPT desktop app 可在 AWS GovCloud (US) 上通过 Amazon Bedrock 访问 OpenAI 的前沿模型，支持复杂多步任务和 Codex 编码智能体。
AWS Machine Learning BlogAI 评分4545 How Worldwide Express 使用 Amazon Bedrock 自动化货运异常处理
Worldwide Express 利用基于 Amazon Bedrock 的多智能体 AI 解决方案，将 LTL 货运中约 14% 的发票异常自动化处理。该系统实现了 75% 的活跃异常减少、时间到现金周期缩短 4 周，并带来了 $1M 的年节省和 $10M 的一次性现金流注入。三个专业 AI 智能体分别处理发票匹配、定价差异和附加费验证，决策基于特定承运商的知识库。
NVIDIA BlogAI 评分4545 Things That Go Beep in the Night: Agentic AI Joins the Search for Extraterrestrial Signals
Agentic AI 已被引入 Breakthrough Listen 和 SETI Institute 的地外文明搜寻工作，可在 Allen Telescope Array 实时操作仪器并处理数据。
Microsoft ResearchAI 评分4545 Microsoft Research 从合成企业数据评估到 Microsoft Copilot AI 置信度
Microsoft Research 构建了 Industry Evaluation Data Generation Platform，利用 O*NET occupational data、在线招聘信息和 SEC filings 等公开数据生成全规模合成企业环境，以解决真实企业数据敏感性与评估需求间的矛盾。
AWS Machine Learning Blog精选AI 评分6868 使用Kiro构建可重复的PHP到Java迁移引擎
Kiro是一个集成AI的IDE，通过一个可复用的引擎将PHP到Java的迁移从一次性尝试转变为可衡量、可重复的过程。该引擎基于共享方法论、机械发现扫描器和八阶段工作流，以原始PHP应用为规范，直到校验套件验证后才判定Java端口正确。该流程可通过Kiro交互式驱动或通过AWS Transform在投资组合规模上自主运行。
推荐理由：该引擎将PHP到Java的迁移过程转化为可衡量、可重复的流程，核心在于先发现后翻译和先构建判断器。
AWS Machine Learning BlogAI 评分5050 Building intent-driven UI testing with Amazon Nova Act
Epsilon 利用 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool 在其平台中提供意图驱动的 UI 测试服务。
AWS Machine Learning BlogAI 评分6666 MoEngage 利用 AgentCore Gateway 将 400 个私有 API 转化为 Agent 工具
MoEngage 使用 Amazon Bedrock AgentCore 的 AgentCore Gateway 将其内部约 400 个私有 REST API 转化为权限受限的 Agent 工具，避免了构建 20 多个 MCP 服务器的复杂性。该架构满足了不暴露公网、身份结构化隔离和上下文窗口限制等四项约束，使新 API 的接入时间从数天缩短到数小时。
AWS Machine Learning BlogAI 评分3535 AWS Batch 为 SageMaker Training jobs 提供配额管理以跨团队借用和借出资源
AWS Batch 支持 Amazon SageMaker Training jobs 的配额管理功能，允许管理员按团队或项目划分计算容量，并使用 LEND、LEND_AND_BORROW 等策略自动共享空闲 GPU 容量。
NVIDIA Blog精选AI 评分6565 开发者如何利用 Frontier AI Agents 在 Omniverse 中构建模拟应用
开发者结合 Frontier AI 模型和 NVIDIA Omniverse 库，通过自然语言指令指导 AI Agents 构建各类模拟应用，包括使用 Claude 和 Astra 创建可编辑 3D 资产、测试机器人拆解、重建建筑模型和构建数字孪生。
推荐理由：文章展示了如何结合前沿 AI 模型和 NVIDIA Omniverse 库，将模拟想法转化为可编辑的 3D 应用和数字孪生。
AWS Machine Learning BlogAI 评分5555 在 Amazon EKS 和 SageMaker HyperPod EKS 上加速 Agentic AI 的 NVIDIA Nemotron 3.5 Super VL 模型部署
NVIDIA Nemotron 3.5 Super VL 是一个 120B 参数的 MoE 多模态模型，支持文本、图像、文档和视频理解，激活 12B 参数/token。