Singapore Airlines 利用 OpenAI 技术提升旅行与工作体验
Singapore Airlines 使用 OpenAI 模型和 API 提升客服支持、旅行发现与员工生产力,其 Kris 聊天机器人的 CSAT 实现翻倍。相关技术覆盖旅客服务与企业工作场景,展示了 OpenAI 技术在实际运营中的应用。
Singapore Airlines 使用 OpenAI 模型和 API 提升客服支持、旅行发现与员工生产力,其 Kris 聊天机器人的 CSAT 实现翻倍。相关技术覆盖旅客服务与企业工作场景,展示了 OpenAI 技术在实际运营中的应用。
OpenRouter 在同一 GitHub 任务中实测 MCP、CLI 与 skill 的上下文 token 成本,使用 Claude Sonnet 5.5。正文可确认的记录显示 CLI 的 token 成本为 1,未给出 MCP 与 skill 的对应数值。
AWS 教程演示如何使用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监测,并部署到 AgentCore runtime 或通过 AgentCore Gateway 提供服务。
推荐理由:教程展示了如何把固定搜索规则、来源校验与去重机制放在代码中,并部署为每日运行的依赖监测智能体。
Amazon Bedrock AgentCore 提供内置评估器,并支持直接使用 DeepEval、AutoEval 与自定义评估器来检验智能体表现。指南建议先定义业务成功标准,再拆解为可观察行为,并映射到 trace 级或 session 级评估器。AgentCore 支持按需、在线和批量评估三种模式,还可用多维评估器分别衡量相互独立的标准。
推荐理由:文章给出了从业务结果映射评估器、选择指标到配置运行模式的完整流程,便于搭建可落地的智能体评估方案。
Trovata 在 Amazon Bedrock 与 Amazon Bedrock AgentCore 上构建了自主资金管理智能体,将现金预测、异常检测、自动对账和持续报告嵌入资金管理操作系统。
OpenRouter 实测 15 个视觉模型、Mistral OCR 与 Tesseract,Claude Opus 5.5 以 264 项关键值中答对 262 项居首,每 1,000 页成本为 $16.42。Mistral OCR 答对 258 项,每 1,000 页成本为 $2.02,兼顾准确率与价格。文章还提供调用代码,并建议关闭推理、用两个不同实验室的模型交叉校验关键字段。
OpenRouter 教程介绍通过严格 JSON Schema、强制工具调用和决策模型获取 LLM 结构化输出的三种方法。
Wiz 介绍了 Cyber Model Arena 评估 AI 智能体网络安全能力的方法,强调围绕真实攻击效果设计任务,并使用代码进行确定性评分。截至撰文时,v3.9 包含 26 个模型、4 个通用 harness、59 个智能体和 327 个挑战,每个挑战允许尝试 3 次,限时 1,000 秒。
AWS 介绍了一套用于集中观测 Amazon Bedrock 模型调用的数据湖方案,并通过 AWS CloudFormation、Lambda、Data Firehose、S3 和 Athena 完成部署。
推荐理由:文章提供集中化数据湖架构、部署步骤和查询样例,可用于搭建跨账号的调用观测与成本归因流程。
TCS 基于 Amazon Bedrock AgentCore 构建了智能体测试编排器,将业务需求转换为可执行、可治理的 API 与 UI 测试。平台利用专用智能体、上下文检索和 LangGraph 工作流完成测试生成、执行、纠错与报告,并通过租户级身份、数据和密钥隔离支持金融服务场景。
推荐理由:文章拆解了TCS多租户测试编排器的架构、智能体分工与安全边界,并提供可量化的效率对比。
OpenAI Academy 正通过免费、实践导向的 ChatGPT 工作坊,帮助美国五座城市的照护者将 AI 技能用于日常生活。工作坊以动手操作为重点,旨在提升照护者在日常场景中的实际 AI 应用能力。
Simon Willison 使用 Claude Code 构建 Beep Locator,通过多台设备采集声音、交换提示音并基于声学定位估算房间内异响来源。系统以 Python Web 应用协调监听设备,通过 WebSockets 和 WebAudio 传输音频,用 Fast Fourier Transform 与高通滤波检测蜂鸣声,并将位置误差控制在约 40cm。
Simon Willison 演示了 Yonkers Rises:一款由 Claude Fable 5.2 Medium 制作的纽约 3D 动画,巨型机甲从扬克斯边界起身,穿越 Manhattan、Brooklyn、Queens 和 Bronx。动画包含连续踏步、建筑倒伏、机甲高度读数与地形状态提示,并结合 openstreetmap 映射数据生成场景。
Claude Fable 5.2 会根据提示词判断所处理代码的归属;Anthropic 的小型编码任务测试显示,加入“你是此代码库的负责人和长期维护者”后,模型整合重复代码的比例由不足 10% 提升至约 75%。
Anthropic 开发者关系员工 Ado Kukic 转发了同事 Alex Albert 的项目审查提示词,让 Claude Code 通读项目,修复损坏、不一致、低效或不再需要的内容,并列出其余问题供人工审查。作者还建议使用 `/doctor prompt-audit` 和 `/skill-doctor` 优化上下文文件并清理不必要的技能。
Figma 官方介绍画布智能体在日常设计工作流中的 6 种用法,包括依据会议记录标注设计、整理评论、创建自定义 shader、并行生成布局方案、生成可交互的代码图层以及添加动效。
AWS Quick 通过智能体加载适用技能、调用连接器并依据已连接数据执行自然语言任务。文章讲解了内置与自定义智能体、空间、知识库和连接器的配置方式,并演示如何创建、测试、发布和共享技能。团队共享技能时还需处理访问权限、依赖环境与失败场景,文章同时介绍了适用软件工程实践的 Skill Architect 技能。
推荐理由:文章系统梳理了 AWS Quick 中智能体、技能、数据与连接器的协作机制,并给出构建和共享团队技能的方法。
Anthropic 建议 Claude 开发默认从 Opus 5.5、medium effort 开始,再按任务难度转向 Sonnet 5.5、Haiku 5.5 或 Fable 5.2。文章比较了各模型的 token 价格、上下文窗口、延迟、基准表现与 API 兼容性,并说明如何用 effort 档位、子智能体和真实任务测试优化成本与能力权衡。
推荐理由:文章按任务类型、延迟、成本和兼容性比较 Claude 模型,并给出模型选择、effort 调整、子智能体分工及迁移检查方法。
Amazon Bedrock Managed Knowledge Base 的 AgenticRetrieveStream 新增单次 RAG 与仅检索请求支持。maxAgentIteration 范围扩展至 0–5,设为 1 可执行一次检索和一次回答,设为 0 可在不调用基础模型的情况下返回原文段落,设为 2–5 则执行智能体规划与多轮检索。应用可按请求选择模式,并使用多个知识库、引用和检索轨迹。
推荐理由:文章说明如何用同一 API 按问题复杂度选择检索模式,并提供参数配置与银行政策助手示例。
Latent Space 与 Handshake AI 团队联合制作深度节目,解析专家训练数据、强化学习环境与模型评测的采购市场。Handshake AI 的 AI 训练业务在约一年内从上线发展到 $1 billion gross annualized revenue,节目还现场演示了金融、生物图像与编码任务,并讨论 VIALS、CAREBench 等基准的局限。
CrossnoKaye 介绍其如何利用 Amazon Bedrock AgentCore,让 AURA 在统一工厂模型内查询运行状态、执行隔离 Python 计算并生成可追溯的技术 Brief。ATLAS 与 AURA 将设备拓扑、控制逻辑、传感器和优化状态放在同一平台边界内,并通过只读沙箱、人工审批和边缘确定性控制约束工业安全。
AWS 介绍了一套由七层组成的 Pluggable Agentic AI Framework,用于将多智能体应用从原型推进到生产规模。架构覆盖数据与知识、模型与推理、编排、安全护栏、应用、可观测性和智能体运维,并以零售客服场景演示主管智能体委派订单与退款专员智能体的实现流程。文中还提供 Workshop Studio 体验和公开示例仓库,但明确指出该实现不能替代生产环境所需的安全加固、测试与审查。
推荐理由:这套架构把安全、治理、成本、可观测性和持续评测纳入分层设计,并提供零售客服案例,可作为企业智能体生产化的落地参考。
Kuken Industries 使用 OpenAI API 搜索积累 70 年的冷却塔图纸,帮助工程师快速定位维修所需图纸。工程师查找一张维修图纸的时间从近 1 小时缩短至 4.5 分钟。
HOPE 论文提出一种面向 MoE 语言模型的二阶专家剪枝方法,通过 F 矩阵保留专家之间的协作关系。实验覆盖 Qwen3.5-122B、Qwen3.5-35B 和 GLM-4.5-Air,在 50% 剪枝率下取得 1.58 的平均排名,并在 Qwen3.5-35B-A3B 的 SWE-Bench Pro 上达到 42.3。团队还开源了包含校准、求解二次规划和剪枝三步流程的代码包。
推荐理由:HOPE 把专家两两协作纳入剪枝目标,并通过多模型基准与三步使用流程说明其在高剪枝率下的取舍。
Simon Willison 用 GitHub Markdown 的 `<details><summary>` 折叠由 Claude Code 或 Codex 生成的冗长 PR 描述,只显示人工挑选的简短摘要及展开箭头。他在开头注明模型名称和 effort level,如“Claude Opus 5.5 Medium”,完整技术说明仍保留在展开区域,方便读者快速判断 PR 是否值得关注。
Simon Willison 用 Claude(Opus 5.5 Medium,运行于普通 Claude Chat)将 Three.js 制作的裸鳃类主题 Fabergé Egg 移植为 Vanilla JS + WebGL 版本,文件大小从 77KB 变为 98KB。两个版本并不完全相同,Claude 在记录中解释了差异;Simon Willison 目测认为 Three.js 版本更容易理解。
Simon Willison 对比了 C 与 Rust 实现的四个 SQLite `parse_number()` 扩展,并借助 Claude Opus 5.5 优化 C 版本。优化后每行耗时 16–19 ns,约为 Rust 版本的两倍;全部版本在 8 million 次模糊测试中结果一致。C 扩展仅 14 KB,Rust 版本分别为 321 KB 和 298 KB。
Stanford CS146S 通过课程讲解 AI 原生工程,重点培养编码智能体、上下文工程和代码审查等生产能力。课程设计者 Mihail Eric 还结合 Monaco 团队实践,介绍如何自建智能体工作区,以及如何用开源项目贡献和代码理解练习取代容易被智能体一键完成的任务。
作者实测前两天上线的 GPT-Image-2.6,整理出 10 个 GIF 玩法提示词,并评测三项新能力。玩法覆盖黏土定格动画、表情包、剪辑贴纸、loading 图、PPT 动态图表和爆炸拆解图等。
NYT Cooking 为订阅用户推出 AI 助手,发布时仅限 iOS,可在菜谱页输入"Customize this recipe…"来替换食材、调整份量(如7人份、素食无麸质)并生成"Your Version",不改动原菜谱。
GitHub Copilot 演示面向软件开发的智能体工程工作流,涵盖 Plan、Build、Verify 和 Observe 四个阶段。十月 GitHub 单周提交量超过 1.2 billion commits,同比增幅超过 400%;但 Faros AI 研究显示,团队从低 AI 采用转向高采用后,pull request 审查耗时增加 441%。
AWS 教程演示如何将 Claude Code 接入 Amazon Bedrock AgentCore,以远程会话运行编码任务并返回 GitHub pull request。每个任务在 AWS 账户内的独立 microVM 中执行,并通过短期 GitHub 凭据、私有网络、Guardrails 和最小权限 IAM 控制访问,智能体只创建草稿 pull request,最终由人工审核并合并。
推荐理由:示例完整展示了远程编码智能体的部署、安全隔离和提交流程,并明确其适用边界与人工审核要求。
AWS 介绍了 Taxbit Assist 如何在 Amazon Bedrock AgentCore 上构建面向数字资产税务场景的 AI 智能体,并说明其检索、安全、权限控制与质量评测方法。
推荐理由:文章拆解了受监管场景中构建可引用、权限感知智能体的检索、安全与持续评测方案,便于迁移到生产级 RAG 应用。
Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心 Luna,采用分级监督架构协调 30 多个专用智能体,并通过 AgentCore runtime 和 memory 承载智能体及记忆层。
推荐理由:Greenlight Financial 基于 Amazon Bedrock AgentCore 构建分层多智能体安全运营方案,公开了架构、记忆机制与生产指标。
本文通过分步实践,演示如何使用 Okta Cross App Access 决定 AI 智能体可代表哪些用户访问哪些应用,并由 Amazon Bedrock AgentCore Identity 执行授权和短期凭证管理。
推荐理由:文章给出完整的委托链配置、权限校验与性能测试,可作为跨应用 AI 智能体访问治理的实践参考。
本文在 Amazon Bedrock AgentCore Part 1 方案基础上,演示如何以 Gateway 统一处理 Okta Cross App Access 授权、工具调用与审计追踪。
推荐理由:文章给出从多智能体接入、Cedar 授权到审计追踪的完整实施路径,便于理解企业级智能体治理架构。
AWS 介绍其基于 Amazon ECS Fargate 构建的无服务器 MCP 服务器,为 AI 智能体提供统一访问企业数据湖的标准化网关。系统以元数据目录驱动数据集接入,通过 Amazon Bedrock 生成并校验 SQL,调用 Athena、Redshift 和 Knowledge Bases 完成查询与文档检索。
推荐理由:文章完整拆解了基于元数据驱动、标准化 MCP 端点和分层权限控制的实现,可为多智能体访问企业数据湖提供可迁移架构。
AWS Machine Learning Blog 分享了 AWS Quick 构建过程中形成的智能体原语分类体系,以 When、What、Who、How 四个问题梳理触发器、智能体与能力。该框架将工具、技能和工作流视为智能体行动方式,并以学习反馈连接会话运行,支持统一理解和设计智能体系统。
Merge 使用 GPT-6 Astra、ChatGPT 和 Codex 构建产品与业务工具,用于审查产品代码并支持营销工作。其团队还借助 AI 规划高管晚宴和准备销售更新。
NVIDIA 通过联合设计 GPU、CPU、网络、存储和软件,缓解大模型及智能体推理中的 HBM 内存压力。方案包括以 NVFP4 压缩模型权重和 KV cache、通过 Dynamo 与 CMX 分层复用上下文,以及让 cuVS 在 CPU 和存储中承载 RAG 索引。
推荐理由:文章梳理了从模型权重、KV cache 到 RAG 索引的分层内存方案,并提供不同平台的吞吐量与成本对比。