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。
#Anthropic
AWS Machine Learning BlogAI 评分5050
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 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 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 Blog精选AI 评分7878 使用SageMaker SDK v3实现边缘端车间级计算机视觉模型全生命周期管理
该文章介绍了基于Amazon SageMaker Python SDK v3的参考架构，用于实现跨车间计算机视觉模型全生命周期管理。
推荐理由：该架构展示了如何利用SageMaker SDK v3实现跨车间的计算机视觉模型全生命周期管理，解决了大规模部署的挑战。
AWS Machine Learning Blog精选AI 评分6565 使用 CDK 在托管 Amazon Bedrock 知识库上构建智能体检索
该方案使用 AWS CDK 构建了基于托管 Amazon Bedrock 知识库的企业级智能体检索系统，支持多知识库语义路由和推理智能体。系统内置了七层可观测性（如 CloudWatch 仪表板）以及按需和连续的评估机制，所有组件均可通过单条 cdk deploy 命令部署。
推荐理由：该方案展示了如何利用托管知识库构建企业级智能体检索，并内置了七层可观测性和评估能力。
Berkeley AI Research精选AI 评分8888 从CUDA到MLX K-Search实现内核知识迁移至Apple Silicon
研究基于K-Search框架扩展MLX后端，开发了结构化CUDA到MLX翻译层，将CUDA内核的优化知识迁移至Apple Silicon。在Attention内核上，该方法达到0.97x的加速比；在Mamba SSM内核上，实现了比社区mlx-lm高约20倍的Prefill吞吐量。
推荐理由：研究展示了将CUDA内核知识通过结构化翻译层迁移至MLX，在Apple Silicon上达到接近专家水平的性能。