跳到正文
只看一手#OpenAI
11月7日周六
  4. AWS Machine Learning Blog58

    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。

  5. AWS Machine Learning Blog66

    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。

11月6日周五
11月5日周四
  5. AWS Machine Learning Blog53

    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。

11月4日周三
  7. AWS Machine Learning Blog58

    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。

11月3日周二
  7. AWS Machine Learning Blog78

    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。

11月2日周一
10月31日周六
  2. AWS Machine Learning Blog65

    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。

  4. AWS Machine Learning Blog45

    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。