跳到正文
AI 资讯
11月4日周三
  1. AWS Machine Learning Blog45

    Gen Digital 如何使用 Amazon Bedrock AgentCore Web Search 构建 Norton Revamp 的 AI 策展新闻引擎

    Gen Digital 使用 Amazon Bedrock AgentCore Web Search 构建 Norton Revamp 的 AI 策展新闻引擎,以实时、带引用的网页信息支撑个性化资讯流、内容建议和目标推荐。该完全托管能力通过 AgentCore Gateway 以 MCP 合规连接器提供,返回来源 URL、标题和发布日期,并完全在 AWS 环境中运行。

  2. AWS Machine Learning Blog62

    AWS 教程:在 Bedrock AgentCore Gateway 中实现 ServiceNow OBO token 交换

    AWS 教程演示如何为 Amazon Bedrock AgentCore Gateway 配置 Microsoft Entra ID OBO token 交换,使 AI 智能体调用 ServiceNow REST API 时保留用户身份并应用对应权限。

    推荐理由:教程完整拆解了跨 Microsoft Entra ID 与 ServiceNow 的 OBO 配置,并给出网关目标、权限映射和代码示例。

  3. AWS Machine Learning Blog41

    Amazon Quick 整合结构化与非结构化数据

    Amazon Quick 通过 enriched datasets 和基于 Amazon S3 的知识库,将结构化与非结构化数据汇入同一 Space,并由单个对话式 AI 智能体统一查询。用户可在一次对话中跨两类数据提问,智能体会按需查询知识库、数据集或两者,并返回带引用且受用户权限约束的整合结果。

11月3日周二
  1. Simon Willison19

    Simon Willison 发布赞助者专属月刊 10 月版

    Simon Willison 于 11 月 3 日发布 10 月赞助者专属月刊,聚焦 vibe game development 的转折点、漏洞安全热潮和 LLM releases。月刊还涵盖每月 $100+ 订阅的 API credits、作者当前使用的工具及软件发布,赞助者每月支付 $10 可提前一个月阅读。

  2. AIHOT42

    Addy Osmani 谈 Agent 时代如何保持批判性思维

    Addy Osmani 提出在大量使用 Agent 工作流后需警惕认知卸载、拖延与认知投降:模型越强、输出越流畅,人越容易在不知不觉中放弃独立判断。他给出具体做法,包括提问前先写假设、把验证标准前置为可执行测试、要求 Agent 列出替你做的决策与假设、以测试收尾而非读摘要,并定期手写代码做校准练习。他强调可以卸载工作和审计,但不能卸载责任。

  3. AWS Machine Learning Blog75

    在Amazon SageMaker AI上用知识蒸馏构建高效智能体

    AWS教程演示如何使用序列级知识蒸馏(SeqKD),在Amazon SageMaker AI上训练低成本购物智能体。流程包括由Amazon Bedrock上的GLM-5.3生成并筛选 ShoppingBench轨迹,再以LoRA微调Qwen3.5-4B、评测并部署。蒸馏模型的平均ASR从基础模型的0.297提升至0.541,接近GLM-5.3贪心解码的0.540;仅保留工具调用时降至0.415。

    推荐理由:完整展示SeqKD智能体的轨迹生成、过滤、训练、评测与部署链路,并量化推理保留和专项微调的效果差异。

11月2日周一
  1. AIHOT69

    数字生命卡兹克分享近一年搭建的 Agent 自动化系统架构

    数字生命卡兹克分享了自己搭建近一年的 Agent 自动化系统,通过事件触发 Agent 工作。系统由自动化中台、Agent 执行、CI 中台和飞书决策四层组成,中台以 rules.json 管理事件触发和调度,本地 MacMini 运行任务,自建 CI 中台完成审查、检查、合并、发布、核实五步,仅在删数据、花钱和改方向等关键决策时通过飞书卡片征求作者确认。

11月1日周日
10月31日周六
  1. AWS Machine Learning Blog67

    MoEngage 如何用 AgentCore Gateway 将 400 多个 API 转换为智能体工具

    MoEngage 使用 Amazon Bedrock AgentCore Gateway,将约 400 个私有 REST API 操作转换为权限隔离的 MCP 智能体工具。该方案覆盖 7 个 AWS Regions,并通过 Cedar 策略、服务端身份注入和语义搜索控制工具可见范围,新 API 接入从数天缩短至数小时,预计节省约 6 个月平台工程投入。

    推荐理由:MoEngage 公开了以中心化网关、权限策略和语义搜索管理大规模智能体工具的架构,便于读者参考私有 API 接入方案。

  2. AWS Machine Learning Blog58

    AWS 详解 Amazon Bedrock 成本管理五阶段实践指南

    AWS 给出面向 FinOps 与平台团队的五阶段 Amazon Bedrock 成本管理方法,将支出治理拆为归因、观测、执行、优化和运营闭环。方法涵盖基于 IAM 身份与 CUR 2.0 的成本归因、调用日志与请求元数据、三档预算执行机制、模型路由和提示词缓存,以及按周或双周复盘的健康记分卡。

  3. AWS Machine Learning Blog72

    使用 Amazon Bedrock AgentCore runtime 实时预览编码智能体生成的应用

    Amazon Bedrock AgentCore runtime 教程演示了如何通过 Session endpoints 和本地端点,在浏览器中实时查看编码智能体持续修改的 Vite 网站。

    推荐理由:文章通过可运行的 Vite 示例,拆解如何配置端口、认证和本地代理,让编码智能体生成的应用在浏览器中实时预览。

10月30日周五
  1. AIHOT62

    Kimi K3.1 Pro 官方教程讲解两种 3D 建模方式

    月之暗面发布 Kimi K3.1 Pro 3D 创作官方教程,讲解参数建模与网格化建模两种工作流程及对应工具选择。教程包含 Unreal Engine 东方天宫、可 3D 打印台灯、纯代码调用 Blender 生成建筑、Tripo 与 Blender 搭建微缩城市四个案例,并给出图胜于言、先搭灰模再细化等 5 个使用技巧。

  2. AIHOT76

    OpenRouter 实测 Claude Opus 5.5、Sonnet 5.5 与 Haiku 5.5 的选型差异

    OpenRouter 实测发现 Claude Opus 5.5、Sonnet 5.5 和 Haiku 5.5 在编码任务中可靠性相同,建议将 Sonnet 5.5 作为默认模型,Haiku 5.5 用于高吞吐和子智能体工作,Opus 5.5 用于较长、含糊且出错成本高的任务。

    推荐理由:通过统一编码任务、基准跑分和成本对比,OpenRouter 给出了三款 Claude 5.5 模型在可靠性、速度与费用上的选型依据。

  3. AIHOT77

    Figma 讲解专用画布编辑模型的 SFT 与 RL 训练方法

    Figma 介绍了其自研画布编辑模型的训练与评测方法:用 Figma 原生文件格式表示设计,构造超过 250,000 条示例对 Llama 3.3 70B 做监督微调,后续转向基于 Qwen 3.8 27B 等更新基础模型并引入 RL,以改善泛化和样本效率。

    推荐理由:Figma 公开了画布编辑模型从 SFT 到 RL 的训练与评测思路,对非可验证设计类任务给出可参考的落地路径。

  4. NVIDIA Blog61

    NVIDIA Omniverse 如何利用前沿 AI 智能体构建仿真应用

    NVIDIA Omniverse 展示了开发者如何利用 GPT-6 Astra 等前沿 AI 模型构建物理仿真应用。开发者通过自然语言指导智能体生成或修改 OpenUSD 场景、连接 Omniverse 库,并验证机器人拆装、建筑重建、燃气轮机分析和传感器输出。

    推荐理由:文章通过机器人拆装、数字孪生、传感器验证和仓储仿真等项目,展示了 AI 智能体接入 Omniverse 工作流的具体方式。

10月29日周四
  1. AIHOT68

    OpenRouter 教程:用 LLM 从 PDF 中抽取表格

    OpenRouter 教程介绍将 PDF 作为文件内容发送给可读取文件的模型,并用严格 JSON Schema 返回类型化表格行。方法覆盖数字清洗、合并单元格、OCR、跨页长表、CSV 导出和 Python、TypeScript 示例,还建议检查空结果与 finish_reason,避免静默漏行。

10月28日周三
  1. Latent Space73

    Anthropic 如何分离 Claude 的“大脑”与“双手”交付模型

    Anthropic 工程与产品负责人介绍 Claude 的模型交付流程,以及 Managed Agents 如何分离智能体会话、harness 与代码执行沙箱。凭据通过代理单独附加并控制沙箱网络,可在保持执行隔离的同时改善延迟和可靠性。团队还讨论了 Opus 5.5 的成本与推理保护、模型发布评测,以及将更多资源投入智能体安全。