Anthropic:旧提示词习惯正在拖慢 Claude Opus 5.5
Anthropic 表示,Claude Opus 5.5 用户应移除“think hard”等旧式提示词,并优先使用 Medium effort。内部测试显示,去掉这些短语后回答启动更快且质量没有可测下降,Medium 档位表现可比 Opus 5 的 High 档位。Anthropic 还建议一次性说明目标与输出格式,直接上传图表,并针对具体风格进行约束。
Anthropic 表示,Claude Opus 5.5 用户应移除“think hard”等旧式提示词,并优先使用 Medium effort。内部测试显示,去掉这些短语后回答启动更快且质量没有可测下降,Medium 档位表现可比 Opus 5 的 High 档位。Anthropic 还建议一次性说明目标与输出格式,直接上传图表,并针对具体风格进行约束。
AWS 演示如何使用 LiteLLM 与 NVIDIA NeMo Switchyard 在 Amazon Bedrock 上为编码智能体请求选择合适模型。教程涵盖 Stage 与 Random 路由策略、AWS CDK 部署、网关测试,以及按通过测试的任务成本对比路由组和单模型基线。
推荐理由:教程给出模型路由配置、AWS 部署和任务成本评测流程,并以通过测试的任务成本比较路由与单模型基线。
GS Caltex 将 SageMaker Canvas 中无代码构建并验证的模型接入 SageMaker Pipelines,复用预处理流程与已验证模型部署到生产工作流。ML 工程师可在几小时内完成模型部署,而此前约需一周;系统每 30 分钟运行一次批量推理,减少持续运行端点的需求并降低推理成本。
AWS 教程介绍如何在 Amazon SageMaker JumpStart 部署 OpenFold3-preview,并通过异步推理预测蛋白质、DNA、RNA、小分子配体及其复合物的 3D 结构。
AWS 介绍 Amazon Bedrock AgentCore Runtime V2 的快速会话启动架构,通过环境快照与恢复替代逐会话初始化。文中说明 V2 的构建和调用流程、CloudWatch 延迟指标拆分、build hook 配置,以及预热会话、实现约 2 秒启动和亚秒级响应的方法。
推荐理由:文章提供了会话启动的分段测量方法、四种优化模式及代码示例,可直接迁移到智能体运行时性能优化。
AWS 介绍了 AssemblyAI 使用 Amazon ECS、Amazon EC2 Spot Instances 和 Amazon SQS 优化大规模语音转文字推理成本的架构。
推荐理由:AssemblyAI 的案例完整展示了通过多类型 GPU 实例、SQS 重试和区域隔离控制推理成本并保障服务可用性的方法。
Anthropic 介绍了构建常驻智能体所需的五个核心架构原语,包括事件收件箱、定时器、记忆、权限和发件箱。文章进一步说明事件进入、任务运行、记忆更新、消息交付及再次唤醒的完整循环,并给出事件去重、单活跃 worker、持久化记忆、延迟工具调用和消息频率评测等实践建议。
Amazon Bedrock 可在无需工具专用埋点的情况下,将 Claude Code、OpenAI Codex 等工具的推理调用按 IAM 主体归因到具体用户。
Claude Code 可通过 Stop hook 在检查失败后让 Claude 自动重试,方法是让 hook 以 exit code 2 退出。此时 hook 的 stderr 会返回给 Claude 以触发重试,而 exit 1 属于非阻塞退出,即使检查失败,Claude 也会直接结束。
Hugging Face 教程演示如何使用 SimReady Central 的 UR17G 机械臂、Robotiq 2F-140 夹爪和饮料罐资产,在 Isaac Sim 6.2 中构建抓取放置仿真。
Amazon SageMaker HyperPod Data Capture 可在三个独立层级记录生产推理输入和输出,并将数据写入 Amazon S3。文章以家电支持路由器为例,演示通过 Amazon Athena 发现新产品分类盲点、使用 SQL 策略生成标注数据,以及利用 HyperPod training operator 完成 LoRA 微调和并行部署。
推荐理由:文章以完整案例串联生产数据捕获、Athena 分析、SQL 标注、LoRA 微调和并行部署,提供了可复用的模型改进闭环。
Amplitude 借助 OpenAI 模型,让主动式产品智能体 Wave 识别需要构建的功能,并协助团队通过 coding agents 交付改动。其流程还能衡量产品改进的实际影响,将需求判断、开发与效果评估连接起来。
GitHub Blog 介绍了构建可跨智能体复用技能的方法,涵盖任务定义、技能编排、项目配置、权限边界和人工审批。实践以 Proof Agent 与 Data Forge 为例,将技能分别打包为 Claude Code、Cursor 和 GitHub Copilot 所需格式,并通过 CI 检查验证各客户端的安装与执行设置。
推荐理由:文章用 Proof Agent 和 Data Forge 展示如何拆分、配置及校验可跨智能体复用的技能,提供了可迁移的工程实践。
Natera 介绍如何基于 Amazon Bedrock AgentCore 构建实验室运维智能体系统 SWARM,用自动化诊断承接 Jira 工单,并保留工程师实时交互排障流程。
推荐理由:文章拆解了 SWARM 的知识库、双运行时、技能库与持续评测架构,并给出安全、集成和文档处理细节,可迁移到同类运维智能体建设。
Amazon Bedrock 的缓存时长、服务层级、推理强度和 maxTokens 会影响推理成本,但具体影响取决于模型与工作负载。文章通过测试展示各类设置的计费差异、模型支持情况和适用场景,并建议结合响应元数据、CloudWatch 日志、调用记录与账单数据逐项验证。
推荐理由:文章通过对照测试说明缓存时长、服务层级、推理强度和输出上限如何影响 Bedrock 成本,并给出逐项验证与应用校准方法。
Amplitude 借助 OpenAI 模型,让主动式产品智能体 Wave 识别需要构建的功能,并协助团队通过 coding agents 交付改动。其流程还能衡量产品改进的实际影响,将需求判断、开发与效果评估连接起来。
AWS 介绍了一套无需编写应用代码的 Amazon Bedrock 成本治理方案,通过 IAM principal 归因、CUR 2.0 报告和 AWS Budgets 实现身份级费用可见与支出上限。
AWS 展示了如何使用 Amazon Bedrock Application Inference Profiles 与 AWS Fargate 上的 LiteLLM 构建自助式 LLM 网关。
Amazon Bedrock 成本优化框架以“每次任务成本”衡量 AI 智能体支出,并用人工基线和五维评分卡验证 ROI。框架归纳 tokenizer 效率、输出冗长度、智能体循环效率与推理开销四类隐性成本,通过缓存、路由和输出约束降本。示例中,标价高 2x 的 Model B 单任务成本 $0.00145,比 Model A 的 $0.0042 低 65%。
AWS 在 Agent Toolkit for AWS 的 amazon-bedrock skill 中加入知识库迁移指南,用编码智能体规划并迁移至 Amazon Bedrock Managed Knowledge Base。
推荐理由:指南把迁移拆分为发现、规划、审批、实施和验证环节,并给出权限控制与回滚检查方法。
Anthropic 发布 Claude Tag 创业公司使用指南,介绍其在事件响应、Slack 讨论转 PR、企业知识问答、自助数据分析和定期报告中的配置方法。
AWS 提出 Agent DLC,通过一个生命周期、内外两个循环和明确的 gold standard,评估 AI 智能体的每次变更并决定是否发布。该框架覆盖 Define、Build、Evaluate、Release、Observe 和 Feed Back 六个环节,以及五个质量维度和三级验收标准。
推荐理由:文章把智能体生产化拆为评估、诊断、改进与发布环节,并以指标对照说明单一总分无法暴露信息覆盖和责任约束问题。
Amazon Bedrock Managed Knowledge Base 教程展示了如何让共享智能体和知识库按用户权限过滤搜索结果。方案以经过验证的身份信息生成 userContext,并结合 ACL awareness、Policy in AgentCore 和资源策略构成多层防护,避免由 LLM 决定授权范围。
AWS 演示如何使用 A2A 在两个独立账户中连接基于 LangChain 和 Strands Agents 构建的智能体。示例通过 Agent Card 发现技能,以双向 OAuth 认证实现跨边界协作,并由 3 个 Jupyter notebook 完成部署和端到端测试。
推荐理由:教程完整拆解了跨框架、跨账户多智能体架构,并提供代码、部署步骤与信任边界测试。
Hugging Face 提供 TRELLIS.2 3D生成模型的 LoRA 微调脚本与容器,可通过 Hugging Face Jobs 或本地 Docker 运行。
推荐理由:教程完整拆解了 TRELLIS.2 的 LoRA 微调流程,并提供可在 Hugging Face Jobs 或本地 Docker 运行的脚本与容器。
Figma 宣布 3D transforms 面向所有 Full seat 用户开放测试,可对文本、图像、矢量图和画框应用倾斜、旋转及空间排列效果。Figma Brand Studio 团队借助 Figma agent 生成 3D 布局,并通过组件、shaders、Figma Motion 和 Figma MCP server 完成发布视频设计与动画。
OpenRouter 从今天起开放简体中文、西班牙语、巴西葡萄牙语、德语、法语、日语和韩语的本地化 beta,用户可从账户菜单切换语言或访问对应语言路径。网站现有 16,918 条英文文案,其每日流水线由 GPT-6.1 Sol 翻译,经代码检查和同模型验证后通过 pull request 提交人工合并。当前全站重译并验证约需 $460,7种语言每日处理 677 条变更约需 $18。
推荐理由:OpenRouter 公开了可复用的本地化流水线设计,包括代码校验、模型验证、失败重试和缺陷回灌机制。
教程演示用 Spring AI、spring-ai-agentcore 与 Amazon Bedrock 在 Java 中构建自主 AI 智能体,覆盖规划、工具调用和跨轮对话记忆。两个系统分别是单智能体旅行助手,以及包含 5 个专用智能体、规则引擎、告警和可观测性的 IDP 平台。
OpenRouter 通过六款模型实测,给出防止 AI Agent 无限循环烧钱的四层防护:doom-loop 检测、loopKey 重复判定、stopWhen 步数与成本上限,以及 API key 信用额度限制。启用 doomLoop: true 后,六款模型均在第三次相同工具调用处被拦截,18 次运行的总工具调用从 314 次降至 64 次,费用从 $0.29 降至 $0.05。
推荐理由:教程用六模型实测说明四层防护如何识别重复调用并限制单次与整体成本,配置和代码可直接复用于 Agent 防失控场景。
Amazon SageMaker HyperPod 团队介绍如何通过梯度检查、环形重放审计和权重指纹比较,检测分布式训练中的静默数据损坏。检测到异常后,可将可疑 rank 映射到节点,隔离并更换故障节点,再从告警窗口之前的检查点恢复训练。方案已在配备 32 张 NVIDIA H100 GPU 的 PyTorch DDP 集群上测试,确定性审计每 100 步的实测开销为 10.1%。
推荐理由:文章给出三项训练循环检查及故障定位、隔离和节点替换流程,并提供实测开销与注入故障结果。
AWS 介绍使用开源反统一引擎对形式化策略进行语义差异分析,通过 e-graph 和声明的代数规则消除表达顺序等表面变化。教程以 Cedar、Dogwood、OpenShell 和 CEL 策略为例,演示如何定位被弱化的授权条件、遗漏的路径限制及阈值边界差异,并提供构建与运行命令。
推荐理由:文章给出可运行的语义差异分析流程,并展示其如何从形式化策略中定位被弱化的条件和边界差异。
AWS 演示如何让运行在开发者工作站上的 OpenAI Codex 通过 Amazon Bedrock 调用受支持的 OpenAI 模型。
推荐理由:文章提供从最小权限试点到分阶段推广的完整路径,并对比原生 AWS 接入、AgentCore Gateway 与 LLM Gateway 的治理边界。
DXC Technology 在 Amazon Bedrock 上构建了支撑 DXC OASIS 的多模型基础架构,通过统一接口接入 Anthropic Claude、Amazon Nova、Meta Llama 和开放权重模型。
AWS 提出一套事件驱动架构,通过 AWS CloudTrail、Amazon EventBridge 和 AWS Lambda 自动同步 AWS Agent Registry 中的 MCP 服务器工具元数据。
AWS 为 re:Invent 2026 AI/ML 参会者梳理 140 多场课程及选择路径,涵盖 AI 芯片、模型训练与推理、AI 智能体开发与管理。11月30日至12月4日的活动包含 breakouts、workshops、code talks 等类型,无法到场者可按需观看许多课程并直播观看主题演讲。
AWS 介绍其生成式 AI Innovation Center 发布的23项开源可复用资产,并讲解如何选取、部署和验证 Contact Center GenAI Agent。这些资产覆盖 RAG、文档处理和智能体脚手架等能力,完整部署流程可在1小时内完成,并可节省约4–6周开发时间。
推荐理由:文章提供23项开源资产的选型、部署与清理步骤,并结合客户案例说明可复用组件如何缩短交付周期。
Claude 发布 Claude Code 视频教程,讲解何时使用 Fable 5.2 或 Opus 5.5,何时降级到 Sonnet 5.5 或 Haiku 5.5,以及如何将一个任务拆分给多个模型。内容覆盖复杂编码、开放式技术工作和低成本明确任务等场景,并提供在自有任务上测量各模型表现的指南链接;具体可用性与用量限制因套餐而异。
AWS Quick 通过六个人工审批型 AI 智能体,将产品开发的发现、决策、设计和原型四个阶段串联起来。团队可从 AI-PDLC GitHub 仓库获取智能体指令、参考架构、提示词模板和配置指南,并在 Deep Discovery 与 Fast Track 两种模式间选择。
推荐理由:文章提供六智能体配置步骤与完整流程,可用于理解如何把企业数据、产品决策和人工审批串成可追溯的开发流程。
Sentence Transformers 可通过 pooling-aware training 训练模型在 token 向量合并后保留检索信息,文章给出从层级聚类、损失包装到训练和评估的完整示例。
OpenAI 在 AI Engineer Code Summit 展示了 Codex 的云端任务交接、语音调度和个人智能体 dots 的工作方式。Codex Cloud 2 支持发布环境并在隔离实例中运行多个任务,用户可选择 GitHub 仓库,并让本地 Codex 将任务移交给云端;语音模式则可作为控制层,用于管理任务线程、调用其他应用和启动 PR。