TCS 如何用 Amazon Bedrock AgentCore 构建智能体测试编排器
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。
技术方向
用 AI 写代码:编程助手、Vibe Coding、代码模型评测,以及开发方式的变化。
51 条精选近 30 天 46 条共收录 166 条
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。
Google 向公众发布 Gemini 4 Carbon,并通过 Gemini API、Google AI Studio 和 Gemini for business 向所有付费开发者及企业开放。
推荐理由:公开定价、智能体群组预览与竞品基准对照,呈现 Gemini 4 Carbon 在复杂任务中的定位、可用范围与成本差异。
Google DeepMind 使用 AlphaProof Code 引导 AI 智能体,对 Signal 密码协议实际运行代码的关键安全属性进行形式化证明。由 Gemini Carbon 驱动的智能体生成了超过 600 万行 Lean 证明,供专家复核的代码范围仅占 1%,整个验证过程耗时 4 周,相关形式化验证工件也已开源。
推荐理由:文章详述多智能体形式化验证框架如何将密码协议安全目标转化为 Lean 证明,并给出人工复核比例与周期等验证细节。
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。
AWS 宣布 Claude Fable 5.2 与 Claude Mythos 5.2 登陆 Amazon Bedrock 和 Claude Platform on AWS。
推荐理由:文章提供了模型能力、适用场景、数据治理要求及迁移方法,可帮助开发者评估接入方式并完成代码适配。
Anthropic 发布 Mythos 5.2 和 Fable 5.2,宣称新模型在编码、推理与视觉能力方面有所改进,并与用户沟通得更清晰。
推荐理由:原文给出新模型在编码、推理、速度与成本上的变化,并梳理RSI评估及隐蔽能力测试面临的难题。
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,作为同一底层模型的安全访问版本,面向高难度编码、推理与视觉任务。
推荐理由:发布说明覆盖编码、科研与安全评测,并给出价格、速度和防护差异,便于理解 Fable 与 Mythos 的定位。
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。
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。
OpenRouter 发布新一代 Auto Router,并推出面向编码智能体的 Auto Code,可分别通过 openrouter/auto 和 openrouter/auto-code 使用。
推荐理由:新版路由器展示了一套兼顾模型质量、成本、延迟与治理策略的自动选模方法,并提供面向编码场景的专项实现。
Thinking Machines Lab 发布 Inkling 2 Small,这是一款 594B 总参数、17B 激活参数的 MoE 模型,支持图像输入和可变推理投入。
推荐理由:文章披露了 Inkling 2 Small 的参数规模、训练流程、基准表现与安全评估,便于读者比较其编码、视觉和长程智能体能力。
Cursor 推出在线应用构建功能,用户可在 Cursor 中启动云端智能体,描述需求后生成网页应用并完成部署。功能支持配置 Postgres 数据库、基于 Cursor SSO 的身份验证、托管环境、唯一域名和在线链接,并提供确定性检查、智能体式安全检查及团队发布控制。所有已启用云端智能体的付费方案均可使用该能力。
推荐理由:Cursor 将需求描述、数据库配置、身份验证、部署和安全检查整合为一条流程,为团队构建可上线的内部应用提供了完整路径。
Microsoft Research 推出研究原型 PDD Kit,将用户意图转为 Verus 形式化规范,验证编码智能体生成的 Rust 代码,并在证明无法覆盖处回退到测试。
推荐理由:给出了从意图澄清、Verus 证明、信任边界测试到 CI 接入的完整流程,可用于评估形式化验证如何约束编码智能体生成代码。
AWS 解决方案架构师团队以开源多智能体数据分析方案 Deep Insight 为参考实现,讲解生产级 AI 智能体的四层上下文工程方法。文章介绍多智能体架构隔离、输出 token 预算与自包含代码、文件化上下文与按需加载技能,以及独立验证智能体和安全机制。参考实现中,单次写入并执行工具可减少脚本加入上下文的 token 约 95%,按需加载技能可减少系统提示词约 97%。
推荐理由:文章以 Deep Insight 代码演示四层上下文工程,涵盖多智能体隔离、提示词控制、文件系统外部化和验证机制,便于迁移到生产级智能体开发。
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。
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。
The Verge《Decoder》邀请 SemiAnalysis 分析师 Joey Brookhart 解读 Anthropic 提交的 S-1 招股书,拆解其前沿 AI 业务的财务结构与扩张风险。
推荐理由:访谈将招股书数字拆解为推理毛利、算力投入、收入结构与行业竞争四条线,可用于理解前沿 AI 公司的单位经济与扩张风险。
Mistral AI 发布 Mistral Large 4(Le Chonk)开放权重,这是一款 1-trillion-parameter 原生多模态模型,重点增强编码与防御性网络安全能力。
推荐理由:文章汇总模型在编码、终端任务和网络安全评测中的数据,并给出推理模式与部署入口,便于比较实际能力边界。
Factory 发布 Droid 1.0,将程序化工具调用设为默认模式,以单次模型请求运行数百次工具调用。在相同任务和模型上,Droid 的资源效率较模型原生 harness 最高提升 20%;在 Terminal-Bench 4 中,使用 GPT-6.1 Sol 时比 Codex 高 3.5 分且成本低 12%。
推荐理由:公开了程序化工具调用在成本、上下文与执行可靠性上的改造方法,并以跨模型评测和真实任务数据说明其收益。
Google DeepMind 发布 Gemini 4 Carbon,主打长时程智能体工作流和网络安全防御。模型在 Artificial Analysis Intelligence Index v5.0 得分为 59,并在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别达到 88.2%、54.8% 和 71.0%。
推荐理由:把长时程编码与漏洞发现、验证、修补放在同一模型能力框架下,并披露基准成绩与分阶段开放安排。