Tới nội dung
#Hướng dẫn / thực hành
13 tháng 11Thứ Sáu
  1. LiveKit Blog62

    LiveKit thử nghiệm Gemini 4 Hydrogen so với 3.8 Flash trong một voice agent với các công cụ bị cố ý làm hỏng

    LiveKit đã chạy Gemini 4 Hydrogen và Gemini 3.8 Flash qua cùng một plugin Google trong một voice agent trợ lý du lịch với các công cụ bị cố ý làm lỗi, và Hydrogen tạo ra 0 báo cáo đặt chỗ sai trên 54 bản ghi, so với 2 của 3.8 Flash. Với Hydrogen ở mức high và 3.8 Flash ở mức mặc định, câu đầu tiên của Hydrogen đến sớm hơn 1,2 giây (4,0 giây so với 5,2 giây), và ở mức low trên cả hai thì sớm hơn 1,7 giây (2,8 giây so với 4,6 giây). Tác giả khuyến nghị dùng mức thinking medium hoặc high cho voice agent, lưu ý mức xhigh có trung vị 7,8 giây đến câu đầu tiên và trường hợp xấu nhất là 52 giây.

    Vì sao đáng chú ý: Bài kiểm tra thực tế của LiveKit cho thấy Gemini 4 Hydrogen báo cáo mọi lệnh gọi công cụ bị cố ý làm hỏng và bắt đầu trả lời sớm hơn 3.8 Flash, kèm dữ liệu độ trễ theo từng mức thinking cho voice agent.

  2. Hacker News · AI58

    Đi sâu vào Mô hình Quyết định: Cách Perplexity Decider v1.2 Hoạt động

    Bài viết này mổ xẻ Perplexity Decider v1.2, một mô hình quyết định mở được xây dựng trên Qwen-3.8 27B, chuyển đổi một LLM chỉ-giải-mã thành một bộ mã hóa phi nhân quả và trả lời tất cả các câu hỏi phân loại trong một bước prefill duy nhất thông qua một đầu đọc 255 lựa chọn. Nó bao gồm các loại câu hỏi yes_no, choice và score của API /v1/decisions, việc huấn luyện trên các bộ dữ liệu đã được hài hòa hóa như tasksource với dữ liệu tổng hợp và xáo trộn lựa chọn, và hiệu chuẩn hậu nghiệm ở nhiệt độ T=1.32. Tác giả lập luận rằng lý do chính để chọn mô hình quyết định thay vì LLM tự hồi quy là hiệu quả token, và ghi chú rằng biến thể 9B Decider Flash được huấn luyện với một hàm mất mát chưng cất.

  3. Hacker News · AI22

    Cách Giám đốc Kỹ thuật Cấp cao Microsoft Tarik Guney dùng AI để loại bỏ điểm nghẽn

    Tarik Guney, Giám đốc Quản lý Kỹ thuật Phần mềm Cấp cao tại Microsoft Teams, coi AI là công cụ mở rộng giới hạn thể chất và nhận thức của kỹ sư chứ không phải một năng lực để theo đuổi. Ông tập trung vào các chỉ báo dẫn dắt và điểm nghẽn trên khắp văn hóa, mục tiêu và công cụ, lập luận rằng chỉ thay đổi quy trình sẽ làm tăng tải nhận thức thay vì giảm bớt nó.

  4. Hacker News · AI40

    Cho phép AI agent truy vấn cơ sở dữ liệu production của bạn một cách an toàn bằng SQL chỉ đọc qua MCP

    Hướng dẫn này trình bày cách cho phép một AI agent trả lời các câu hỏi bằng ngôn ngữ tự nhiên về cơ sở dữ liệu production trên Railyard bằng các công cụ MCP list_tables và query_database. Mọi truy vấn đều đi qua năm rào chắn: kết nối có phạm vi ghi, giới hạn vai trò chỉ dành cho admin/owner, giao dịch chỉ đọc luôn rollback, thời gian chờ cho câu lệnh, và giới hạn 200 dòng được đánh dấu là đã cắt bớt. Nội dung SQL không bao giờ được ghi vào mục audit của MCP.

  5. Hacker News · AI32

    Lời khuyên dự kiến về việc xây dựng các công cụ hình thức với AI Agent

    Mike Dodds của Oath Technologies chia sẻ ghi chú từ nhiều tháng xây dựng ngữ nghĩa, trình xác minh và chuỗi công cụ chứng minh với phần lớn công việc do AI Agent đảm nhận. Bài nói đưa ra lời khuyên dự kiến về việc dùng AI để xây dựng các công cụ hình thức, dựa trên trải nghiệm thực tế đó.

  6. Hacker News · AI8

    Show HN: Carton Clock — Đồng hồ quả lắc hoạt động được làm từ vỏ hộp đồ uống rỗng

    Một người chế tạo đã làm ra "Carton Clock", một chiếc đồng hồ quả lắc hoạt động được làm từ vỏ hộp đồ uống rỗng cùng xiên nướng BBQ, ống hút giấy, dây và đai ốc kim loại làm quả nặng, tất cả được gắn với nhau bằng keo nóng. Bộ bánh răng hiển thị giây, phút và giờ, và một lần lên dây cót đầy đủ chạy được hơn một giờ một chút. Một công cụ trình duyệt tùy chỉnh, "Cartontick", được viết bằng Claude, đã mô phỏng cơ cấu thoát của hộp carton và tạo ra các stencil cắt cùng các đồ gá dán có thể in 3D.

  7. Hacker News · AI58

    Kiểm thử như dữ liệu: một phương pháp để giữ cho mã do AI tạo ra có thể kiểm chứng được

    Martin Fowler đề xuất viết kiểm thử dưới dạng dữ liệu thay vì mã để mã sản phẩm do AI tạo ra vẫn có thể kiểm chứng được khi các tác nhân lập trình cũng tái cấu trúc các bài kiểm thử. Cách tiếp cận này kết hợp kiểm thử khách hàng, kiểm thử hộp đen, các ca kiểm thử dạng bảng hoặc YAML, và một trình chạy kiểm thử do AI tạo ra, với dữ liệu kiểm thử được lưu trong các tệp văn bản dễ xem xét hơn và được bảo vệ khỏi những chỉnh sửa bất ngờ. Bài viết dựa trên các cuộc phỏng vấn với 26 nhà phát triển của Thoughtworks vào đầu năm 2026, những người cho biết họ không còn hoàn toàn tin tưởng vào các bài kiểm thử của mình một khi AI tái cấu trúc chúng, và bài viết kết hợp phương pháp này với kiểm thử đột biến, kiểm thử dựa trên thuộc tính và kiểm thử khám phá do con người thực hiện.

  8. Hacker News · AI62

    Cách thiết kế công cụ hiệu quả cho AI agent: hướng dẫn từ OpenAI, Anthropic, Google và MCP

    Bài viết này tổng hợp những gì OpenAI, Anthropic, Google và đặc tả MCP khuyến nghị về thiết kế công cụ cho AI agent, đồng thời đề cập những điểm mà các hướng dẫn của họ bỏ sót. Bài viết lập luận rằng công cụ nên được xây dựng xoay quanh quy trình công việc thay vì các endpoint API, rằng tên, mô tả và schema đóng vai trò như một hợp đồng mà mô hình đọc theo nghĩa đen, và rằng phản hồi cùng lỗi là một phần của prompt.

  9. Hacker News · AI40

    Stanford CS 329Z: Khóa học Engineering AI Agents bao gồm thiết kế agent, RAG, công cụ và hệ thống đa agent

    CS 329Z của Stanford, Engineering AI Agents, đi qua cấu trúc của các hệ thống agent — lõi LLM, lập luận, bộ nhớ, công cụ và môi trường — và khoảng cách giữa các hệ thống AI tổng hợp và agent thực sự. Khóa học bao gồm các pipeline RAG, sử dụng công cụ và gọi hàm với MCP, điều phối DSPy và LangGraph, kiến trúc bộ nhớ như MemGPT, và các mẫu điều phối đa agent. Khóa học kết thúc với các phương pháp tối ưu hóa bao gồm GEPA, PPO và GRPO, cùng một bài giảng khách mời từ những người tạo ra Terminal-Bench.

  10. Hacker News · AI36

    AI Security Wiki: Tài liệu tham chiếu triển khai cho an ninh AI doanh nghiệp

    AI Security Wiki là tài liệu tham chiếu để bảo mật việc áp dụng AI trong doanh nghiệp, bao gồm quản trị, quản lý rủi ro, kỹ thuật bảo mật, giám sát vận hành, đánh giá nhà cung cấp và đảm bảo chất lượng trong các trang mẫu có thể tái sử dụng. Tài liệu ánh xạ các mục tiêu kiểm soát, bằng chứng kiểm toán và các trường hợp kiểm thử vào các khung bao gồm ISO/IEC 42001, NIST AI RMF, NIST SSDF, PCI DSS v4.0.1, FINOS AI Governance Framework và hướng dẫn kiểm toán an ninh AI của CERT-In. Tài liệu cũng bao gồm thư viện kiểm thử 682 trường hợp được lấy từ danh sách OWASP, MITRE ATLAS và NIST AI 100-2.

  11. Hacker News · AI58

    Sovereign: một router học cách tin tưởng mô hình nào mà không cần nhãn

    Solibra đã xây dựng Sovereign, một router nằm giữa ứng dụng và các nhà cung cấp mô hình, học cách chọn mô hình cho từng yêu cầu dựa trên điểm đánh giá chính công việc đã hoàn thành của nó, không có đáp án và không có kiến thức trước về các mô hình. Trên tám benchmark công khai chạy với Claude Opus 5.5 và Claude Haiku 5.5, Sovereign chi ít hơn Opus từ 43% đến 81% trên mọi benchmark, đạt hoặc vượt độ chính xác của Opus trên USACO, LiveCodeBench và SATBench, và chính xác hơn Haiku ở mọi nơi, lên tới 55 điểm trên USACO. Trên USACO, độ chính xác của nó tăng từ 88% trong 25 tác vụ đầu lên 97,7% vào cuối, vượt Opus vào khoảng tác vụ thứ 150, và bộ chấm điểm của nó đồng ý với đáp án ẩn 95% số lần.

  12. ElevenLabs Blog18

    7 kỹ năng chăm sóc khách hàng mà mọi nhân viên hỗ trợ con người và AI đều cần

    ElevenLabs phác thảo bảy kỹ năng chăm sóc khách hàng — giao tiếp, giải quyết vấn đề, xử lý xung đột, đồng cảm, thích ứng, cá nhân hóa và kiến thức sản phẩm — mà cả nhân viên hỗ trợ con người lẫn AI đều cần. Tài liệu trích dẫn một nghiên cứu của Zendesk cho thấy hơn 50% khách hàng đã chuyển sang đối thủ cạnh tranh sau một trải nghiệm tồi tệ, và dự báo của Gartner rằng ít nhất 70% khách hàng sẽ bắt đầu hành trình của họ bằng một giao diện AI vào năm 2028. Hướng dẫn nhấn mạnh việc đánh giá các chỉ số hội thoại trong quá trình huấn luyện và sau khi triển khai, cùng với việc chuyển giao liền mạch cho con người để giảm căng thẳng.

  13. Databricks Blog36

    Phát hiện các cuộc tấn công dựa trên thông tin xác thực trên Databricks bằng nhật ký kiểm tra chi tiết và Genie

    Databricks giải thích chi tiết cách các cuộc tấn công dựa trên thông tin xác thực diễn ra trên nền tảng của mình và cách nhật ký kiểm tra chi tiết cùng Genie có thể phát hiện sự thay đổi hành vi sau khi PAT, cookie phiên hoặc thông tin xác thực của service principal bị đánh cắp được sử dụng. Bài viết phân loại hoạt động của kẻ tấn công thành sáu giai đoạn, từ đăng nhập ban đầu đến trinh sát môi trường, đồng thời đề cập các bước ứng phó và biện pháp kiểm soát nhằm hạn chế phạm vi mà thông tin xác thực bị đánh cắp có thể tiếp cận.

  14. Databricks Blog36

    Bright Machines dùng Debezium và Iceberg để cung cấp cho khách hàng bảng điều khiển trực tiếp từ các nhà máy cách ly mạng

    Bright Machines hiện cung cấp cho khách hàng bảng điều khiển dữ liệu nhà máy trực tiếp, có quản trị từ các nhà máy cách ly mạng mà không cần mở bất kỳ quyền truy cập vào nào. Công ty ghi lại các thay đổi PostgreSQL tại biên với Debezium, ghi chúng dưới dạng Apache Iceberg, đẩy ra ngoài qua một đường ra duy nhất có thể kiểm toán, và đọc tại chỗ trong Databricks thông qua liên kết Unity Catalog. Bảng điều khiển đầu tiên mà khách hàng nhìn thấy đã đi vào hoạt động khoảng hai tháng sau khi khởi động, với các hàng đã cam kết có thể truy vấn trong một đến hai phút và bảng điều khiển làm mới mỗi mười phút.

  15. OpenRouter Announcements58

    OpenRouter thử nghiệm 11 reranker trên bộ benchmark RAG 274 câu hỏi

    OpenRouter đã benchmark 11 reranker trên một bộ dữ liệu RAG tổng hợp gồm 274 câu hỏi và phát hiện rằng việc rerank 30 ứng viên hàng đầu từ tìm kiếm vector bằng voyageai/rerank-3-lite đã nâng precision@1 từ 81,0% lên 97,1% với chi phí khoảng 0,10 USD cho mỗi 1.000 truy vấn. Hướng dẫn khuyến nghị truy xuất khoảng 30 chunk, rerank chúng, và chỉ gửi 3 chunk hàng đầu đến LLM, điều này trong thử nghiệm của họ đã nâng độ chính xác câu trả lời lên 99,3% đồng thời giảm chi phí trả lời từ 0,22 USD xuống 0,16 USD cho mỗi 1.000 câu hỏi. Nó cũng chỉ ra các chế độ lỗi: bỏ qua tham số input_type mất 7 đến 12 điểm precision@1, và cohere/rerank-v3.5 âm thầm bỏ qua nội dung vượt quá giới hạn 4.096 token của nó.

  16. Hacker News · AI38

    LessonFolk: Gia sư AI mã nguồn mở dạy AI qua MCP

    LessonFolk là một gia sư AI miễn phí, mã nguồn mở, dạy các chủ đề AI thông qua ứng dụng trò chuyện AI mà bạn đang dùng, được kết nối qua MCP. Nó cung cấp 15 khóa học, từ lộ trình AI Foundations kéo dài một giờ đến Context Engineering for Long-Running Agents, kèm bài kiểm tra trình độ ngắn và theo dõi tiến độ. Các khóa học và mã nguồn đều mở, và người dùng có thể tải xuống hoặc xóa dữ liệu của mình bất cứ lúc nào.

  17. Hacker News · AI35

    Dịch ngược máy lọc không khí Coway để thoát khỏi đám mây

    Một nhà phát triển đã dịch ngược máy lọc không khí Coway Airmega IconS có Wi-Fi để giảm sự phụ thuộc vào đám mây IoCare của Coway, bằng cách dựng một thiết lập man-in-the-middle với sự hỗ trợ của LLM. Tích hợp Home Assistant hiện có giả mạo ứng dụng điện thoại của Coway nhưng liên tục hỏng—bị máy chủ cấm, việc đổi thương hiệu IoCare thành IoCare+, thay đổi bố cục HTML và gián đoạn dịch vụ—thúc đẩy nỗ lực này. Một sự cố khóa yếu tại tổ chức chứng thực eMudhra vào tháng 10 năm 2026 đã mở ra một điểm bám víu khả dĩ để chặn lưu lượng của thiết bị.

  18. GitHub Blog · AI & ML58

    Hướng dẫn trên GitHub giải thích cách xây dựng agent skills chạy được trên Claude Code, Cursor và Copilot

    GitHub đã công bố một hướng dẫn thực hành về agent skills, các thư mục được đánh phiên bản tập trung vào tệp SKILL.md mô tả khi nào và cách thực hiện một tác vụ lặp lại. Hướng dẫn sử dụng hai ví dụ, Proof Agent để xác minh đối kháng mã do AI tạo ra và Data Forge cho một pipeline dữ liệu đa kỹ năng, để cho thấy cách các skill chia sẻ một manifest dự án, tái sử dụng một đường thực thi và đặt phê duyệt của con người ở mỗi giai đoạn. Nó cũng mô tả một script đóng gói tạo ra các tệp riêng cho từng client dành cho Claude Code, Cursor và GitHub Copilot từ một nguồn skills duy nhất.

  19. AWS Machine Learning Blog40

    Natera đã xây dựng SWARM như thế nào, một hệ thống AI tác tử cho vận hành phòng thí nghiệm trên Amazon Bedrock AgentCore

    Natera đã xây dựng SWARM, một hệ thống AI tác tử cho vận hành phòng thí nghiệm, trên Amazon Bedrock AgentCore, giảm thời gian phản hồi đầu tiên khoảng 130 lần và tự động hóa 96,2 phần trăm số ticket hỗ trợ. Hệ thống kết hợp một swarm-agent soạn thảo báo cáo chẩn đoán trước khi kỹ sư mở ticket với một swarm-hive để kỹ sư tương tác theo thời gian thực, cả hai cùng chia sẻ một thư viện kỹ năng. Nó xử lý hơn 65 ticket Jira mỗi ngày trên ba hàng đợi mà trước đây trung bình mất 17,4 giờ cho phản hồi đầu tiên.

  20. Databricks Blog30

    Databricks bác bỏ bốn lầm tưởng về LTAP trong kiến trúc Lakebase

    Databricks phản hồi bốn cách hiểu sai phổ biến về LTAP, kiến trúc Lakebase giữ một bản dữ liệu vận hành duy nhất được quản trị, phục vụ cả Postgres lẫn phân tích mà không cần CDC. Bài viết lập luận LTAP không phải sao chép: các lớp phía trước hồ dữ liệu là bộ nhớ đệm, không phải cơ sở dữ liệu thứ hai có catalog riêng. Bài viết cũng nói rằng heap page và Parquet là hai cách mã hóa không mất mát của cùng các hàng, nên tra cứu điểm và quét mỗi bên đọc bố cục nhanh cho mình.

  21. AWS Machine Learning Blog38

    Tokenomics ở quy mô lớn: Theo dõi và giới hạn chi tiêu Amazon Bedrock theo từng IAM Principal với CUR 2.0 và AWS Budgets

    AWS hướng dẫn cách theo dõi và giới hạn chi tiêu cho AI tạo sinh Amazon Bedrock theo từng IAM principal chỉ bằng các tính năng gốc: Bedrock tự động ghi lại IAM user hoặc role trên mỗi yêu cầu suy luận, và các thẻ đó trở thành thẻ phân bổ chi phí có thể đọc được trong Cost Explorer hoặc các bản xuất CUR 2.0. Một AWS Budget giới hạn phạm vi cho Bedrock và lọc theo một danh tính hoặc giá trị thẻ có thể gắn một hành động ngân sách áp dụng chính sách Deny IAM khi vượt ngưỡng, không cần mã ứng dụng cho trường hợp thông thường.

  22. AWS Machine Learning Blog36

    Bốn lựa chọn suy luận trên Amazon Bedrock ảnh hưởng đến chi phí

    Thời lượng bộ nhớ đệm, bậc dịch vụ, nỗ lực suy luận và cài đặt maxTokens của Amazon Bedrock có thể thay đổi chi phí suy luận mà không cần thay đổi mô hình hay prompt. Ghi bộ nhớ đệm 5 phút trên Claude Sonnet 5 và Claude Opus 5 tốn 1,25 lần mức giá đầu vào, ghi 1 giờ tốn 2 lần, và đọc bộ nhớ đệm tốn 0,1 lần; các yêu cầu bậc Flex đến các mô hình không được hỗ trợ sẽ thất bại với ValidationException.

  23. OpenAI News22

    Amplitude ra mắt cải tiến sản phẩm trong 1–2 ngày với OpenAI như thế nào

    Wave, đại lý sản phẩm chủ động của Amplitude, được xây dựng chủ yếu trên các mô hình OpenAI, xác định những gì cần xây dựng, giúp các nhóm triển khai thay đổi với các đại lý lập trình và đo lường tác động. Thiết lập này cho phép Amplitude ra mắt cải tiến sản phẩm trong 1–2 ngày.

  24. LangChain Blog45

    Phát triển dựa trên đánh giá là gì? Cách cải thiện AI Agent

    LangChain giải thích phát triển dựa trên đánh giá (EDD), một quy trình ba bước để xây dựng AI Agent: xác định thế nào là tốt, viết đánh giá trước khi xây dựng, và so sánh kết quả sau mỗi thay đổi. Vì agent có tính không xác định, đánh giá sẽ chấm điểm các lần chạy trên một tập dữ liệu ví dụ và có thể dùng LLM-as-a-judge, với các lần chạy agent thực tế trong LangSmith làm nguồn đầu vào kiểm thử.

  25. Databricks Blog22

    Constellation xây dựng nền tảng dữ liệu có quản trị trên Databricks như thế nào

    Constellation, đơn vị vận hành đội hạt nhân lớn nhất Hoa Kỳ, đang xây dựng Nền tảng Dữ liệu Doanh nghiệp có quản trị trên Databricks để mang lại cho doanh nghiệp một ý nghĩa chung cho dữ liệu của mình. Nền tảng này sử dụng Unity Catalog cho phả hệ, quyền truy cập chi tiết và một mô hình phân quyền duy nhất, cùng với mô hình hóa Data Vault cho các thực thể quan trọng có thể tái sử dụng. Các trường hợp sử dụng ban đầu bao gồm một trợ lý kỹ thuật hạt nhân được xây dựng với Databricks Genie và lập kế hoạch ngừng hoạt động.

  26. Databricks Blog25

    Eclipse Aerospace sử dụng nguồn dữ liệu tùy chỉnh Databricks PySpark để nhập dữ liệu chuyến bay

    Eclipse Aerospace đang sử dụng nguồn dữ liệu tùy chỉnh Databricks PySpark để nhập gần 20 năm dữ liệu chuyến bay độc quyền, hơn 3TB trải rộng trên hơn một triệu giờ bay, mà không cần tính toán chuyên dụng luôn bật. Gói Python được hỗ trợ bởi Rust đã mang lại hiệu suất gấp đôi so với chuẩn đánh giá của một nguồn dữ liệu Python thuần dựa trên PyArrow tương tự và gần 20 lần so với triển khai Python gốc không có Arrow. API, được giới thiệu trong Apache Spark 4.0 và có sẵn trong Databricks Runtime 15.4 LTS, thay thế quy trình Lambda-to-Avro trước đó.

  27. AWS Machine Learning Blog34

    Xây dựng cổng LLM tự phục vụ với Amazon Bedrock và LiteLLM

    Một cổng LLM tự phục vụ được xây dựng trên Amazon Bedrock Application Inference Profiles và LiteLLM chạy trên AWS Fargate, đưa các mô hình nền tảng của Bedrock ra sau một API tương thích OpenAI, mang lại cho nhà phát triển một base URL duy nhất và khóa riêng cho từng người dùng. Thiết lập này bổ sung kiểm soát chi tiêu theo từng người dùng, cô lập hạn mức theo từng mô hình và khả năng quan sát RPM/TPM qua CloudWatch, cùng với Langfuse để theo dõi telemetry ở cấp độ prompt. Việc cấp khóa tự phục vụ yêu cầu LiteLLM Enterprise, vì gói miễn phí chỉ giới hạn ở năm người dùng.

  28. AWS Machine Learning Blog34

    Tối ưu chi phí trên mỗi tác vụ và chứng minh ROI của agent trên Amazon Bedrock

    Bài viết này của AWS lập luận rằng chi tiêu cho Amazon Bedrock nên được đánh giá theo chi phí trên mỗi tác vụ thay vì chi phí trên mỗi token, vì hiệu quả của tokenizer, độ dài đầu ra, số vòng lặp agentic và chi phí suy luận có thể khiến một mô hình có giá niêm yết thấp hơn lại tốn kém hơn. Một ví dụ minh họa cho thấy một mô hình có giá niêm yết gấp 2 lần lại hoàn thành với chi phí rẻ hơn 65% trên mỗi tác vụ, và bài viết bổ sung thêm caching, định tuyến và ràng buộc đầu ra cùng một bảng điểm năm chiều để đo ROI của agent so với đường cơ sở do con người thực hiện.

  29. Claude YouTube35

    Xây dựng Claude API cho Frontier: Bên trong các quyết định phát hành và an toàn của Claude Platform

    Các kỹ sư Claude Platform Jake Dejno và Lucca Siaudzionis giải thích cách Claude API phát triển song hành cùng mỗi lần ra mắt mô hình, bao gồm các quyết định phát hành tính năng, quản lý phiên bản và di chuyển mô hình, và quản lý chi phí. Họ trình bày chi tiết các thực tiễn tốt nhất để thay đổi effort giữa cuộc trò chuyện mà không làm hỏng prompt caching, và cách Claude Mythos và Fable chia sẻ cùng trọng số mô hình với các biện pháp bảo vệ khác nhau. Claude Managed Agents và thay đổi effort giữa cuộc trò chuyện đang ở giai đoạn beta, và quyền truy cập Mythos được thực hiện thông qua Cyber Verification Program.

  30. Databricks Blog22

    H6.ai xây dựng tự động hóa tài chính bằng AI với Lakebase Postgres như thế nào

    H6.ai tự động hóa các khoản phải trả trên nền ERP hiện có của khách hàng, sử dụng một cơ sở dữ liệu Lakebase Postgres riêng cho từng khách hàng làm hệ thống lưu trữ gốc. Vì dữ liệu hóa đơn liên tục thay đổi, nhóm sử dụng các nhánh copy-on-write của Lakebase để đóng băng ảnh chụp nhanh cơ sở dữ liệu khách hàng và chạy từng bài kiểm tra hồi quy trên nhánh ngắn hạn riêng của nó, nhờ đó cơ sở dữ liệu trực tiếp không bao giờ bị ghi vào. Mỗi lần chạy được đánh giá bằng các khẳng định tất định cùng một hội đồng giám khảo AI đến từ các nhà cung cấp mô hình khác nhau.

  31. AWS Machine Learning Blog38

    Amazon Bedrock AgentCore Evaluations: trình đánh giá tích hợp, DeepEval và AutoEval

    Amazon Bedrock AgentCore Evaluations hiện cho phép các nhóm chạy các trình đánh giá tích hợp của AWS song song với các chỉ số DeepEval và AutoEval được quản lý, cùng các trình đánh giá tùy chỉnh bắt nguồn từ một trong hai. Danh mục tích hợp bao gồm 15 trình đánh giá trên chất lượng phản hồi, hoàn thành mục tiêu, sử dụng công cụ, kỹ năng và an toàn, với ba kiểm tra quỹ đạo cho các đường dẫn công cụ dự kiến. DeepEval bổ sung các chỉ số đa lượt như ConversationCompleteness và KnowledgeRetention, trong khi AutoEval đóng góp các tín hiệu chuyên biệt bao gồm bảo mật.

  32. AWS Machine Learning Blog36

    Xây dựng Trình theo dõi Phụ thuộc Hàng ngày với LangGraph và Tìm kiếm Web Amazon Bedrock AgentCore

    API Tìm kiếm Web trong Amazon Bedrock AgentCore hiện đã khả dụng, cung cấp cho các agent kết quả web hiện tại thông qua một lệnh gọi API duy nhất được ký SigV4, phục vụ từ chỉ mục web do Amazon vận hành. Một hướng dẫn xây dựng trình theo dõi phụ thuộc hàng ngày dưới dạng đồ thị LangGraph, nghiên cứu song song npm, PyPI và các image nền container, với cửa sổ ngày, danh sách chặn và ngân sách tìm kiếm được thực thi trong mã. Trong thử nghiệm, ba nhánh hoàn thành trong 36 giây so với 99 giây khi chạy tuần tự.

  33. AWS Machine Learning Blog36

    AWS Quick AI-PDLC: Sáu tác nhân cho phát triển sản phẩm dẫn dắt bởi AI

    AWS Quick giới thiệu AI-PDLC, một khung gồm sáu tác nhân chuyên biệt—dẫn dắt bởi một Orchestrator bao gồm Discovery, Prioritize, Working Backwards, Spec Generator và Designer—biến các tín hiệu doanh nghiệp phân tán từ Slack, Jira, Salesforce và SharePoint thành một prototype_spec.md có thể truy vết. Mỗi giai đoạn đều yêu cầu con người phê duyệt, và bản đặc tả có thể được chuyển giao cho các tác nhân lập trình như Kiro hoặc Claude Code thông qua Agent Client Protocol (ACP) mở.

  34. AWS Machine Learning Blog40

    AWS mở danh mục 23 tài sản AI tạo sinh có thể tái sử dụng từ Trung tâm Đổi mới của mình

    AWS đã công bố danh mục 23 tài sản AI tạo sinh mã nguồn mở, sẵn sàng cho môi trường sản xuất, từ Trung tâm Đổi mới AI tạo sinh của mình, nay thuộc AWS Frontier AI Engineering & Services. Các khối xây dựng này bao gồm pipeline RAG, bộ xử lý tài liệu, khung tác nhân (agent scaffolding) và khung đánh giá, và AWS cho biết chúng có thể rút ngắn thời gian phát triển từ nhiều tháng xuống còn vài tuần. DoorDash báo cáo năng lực kiểm thử tăng 50 lần và Ricoh tăng thông lượng gấp 7 lần sau khi xây dựng trên các tài sản này.

  35. AWS Machine Learning Blog38

    DXC Technology đã xây dựng nền tảng AI đa mô hình trên Amazon Bedrock như thế nào

    DXC Technology đã xây dựng nền tảng mô hình cho bộ công cụ vận hành IT DXC OASIS trên Amazon Bedrock, truy cập Anthropic Claude, Amazon Nova, Meta Llama và các mô hình trọng số mở thông qua một giao diện quản lý duy nhất. Amazon Bedrock Guardrails áp dụng lọc nội dung, che giấu PII và chính sách chủ đề bị cấm một cách thống nhất trên mọi mô hình, trong khi AWS PrivateLink giữ lưu lượng suy luận bên trong VPC của khách hàng. DXC OASIS đã được cung cấp rộng rãi từ tháng 3 năm 2026 và giảm thời gian giải quyết trung bình 95% trên 56 trường hợp sử dụng được đo lường.

  36. AWS Machine Learning Blog40

    Agent DLC: Kỹ thuật AI Agent từ Nguyên mẫu đến Sản xuất

    AWS giới thiệu Agent Development Lifecycle (Agent DLC), một khung với một vòng đời, hai vòng lặp và một tiêu chuẩn rõ ràng duy nhất để đánh giá mọi thay đổi của agent. Nó giải quyết ba thuộc tính của agent khiến CI/CD thông thường bị phá vỡ: tính không xác định, prompt như mã nguồn và các phụ thuộc di chuyển độc lập. Một trợ lý chính sách nhân sự tham chiếu cho thấy độ chính xác truy xuất ở cấp độ đoạn là 1,00 trên cả ba câu hỏi kiểm tra trong khi độ chính xác ở cấp độ sự kiện giảm xuống 0,09 và độ phủ truy xuất đạt 0,00 ở một câu hỏi.

  37. AWS Machine Learning Blog36

    Kiểm soát truy cập chi tiết cho các công cụ Amazon Bedrock Managed Knowledge Base

    AWS hướng dẫn cách cấp quyền truy cập tài liệu theo từng người dùng cho một AI agent dùng chung trên Amazon Bedrock Managed Knowledge Base bằng cách đưa tìm kiếm ra dưới dạng các công cụ MCP thông qua AgentCore Gateway. Một request interceptor chèn email đã xác minh của người dùng từ Cognito JWT vào userContext, và khả năng nhận biết ACL chỉ trả về những tài liệu mà người dùng đó được phép xem. Một chính sách Cedar trong AgentCore và một chính sách dựa trên tài nguyên trên knowledge base bổ sung lớp phòng thủ thứ cấp chống lại các tìm kiếm giả mạo hoặc trái phép.

  38. AWS Machine Learning Blog58

    AWS hướng dẫn xây dựng hệ thống đa tác nhân liên tổ chức với A2A

    AWS đã công bố một kiến trúc tham chiếu, trong đó một bộ điều phối doanh nghiệp dựa trên LangChain trên Amazon ECS gọi một tác nhân SaaS tuân thủ dựa trên Strands Agents trên Amazon Bedrock AgentCore thông qua giao thức A2A, với hai bên nằm trong các tài khoản AWS riêng biệt và không chia sẻ bí mật. Mỗi bên xác thực bằng token từ nhóm người dùng Amazon Cognito của riêng mình, và tác nhân SaaS gọi lại một tác nhân ngữ cảnh doanh nghiệp để lấy siêu dữ liệu tài khoản, do đó các tác nhân hoạt động như những bên ngang hàng thay vì máy khách và máy chủ. Hệ thống được triển khai từ ba sổ tay Jupyter, cung cấp năm ngăn xếp CloudFormation và chạy một bài kiểm tra đầu cuối cùng bảy kiểm tra ranh giới tin cậy.

  39. AWS Machine Learning Blog34

    Chuyển sang Amazon Bedrock Managed Knowledge Base với một coding agent

    AWS đã thêm hướng dẫn chuyển đổi knowledge base vào skill amazon-bedrock trong Agent Toolkit for AWS, cho phép một coding agent lập kế hoạch chuyển từ knowledge base do khách hàng quản lý sang Amazon Bedrock Managed Knowledge Base. Agent bắt đầu bằng việc khám phá chỉ đọc và một kế hoạch được xem xét từng dòng, sau đó tạo knowledge base và các data source mới song song với bản gốc hoặc ghi một mẫu IaC đã chuyển đổi. Managed Knowledge Base nâng hạn mức mặc định lên 200 data source mỗi knowledge base và 10.000 knowledge base mỗi tài khoản mỗi Region, đồng thời bổ sung truy xuất agentic, tích hợp AgentCore Gateway và resource-based policy.

  40. Claude YouTube38

    Khi nào nên dùng từng mô hình Claude: Opus 5.5, Fable 5.2, Sonnet 5.5 và Haiku 5.5

    Hướng dẫn của Anthropic gắn mỗi mô hình Claude với quy mô công việc: Opus 5.5 để lập kế hoạch và xây dựng toàn bộ tính năng, còn Fable 5.2 cho những công việc kỹ thuật tham vọng nhất, mở. Sonnet 5.5 đảm nhận các tác vụ hằng ngày như sửa lỗi hoặc soạn tài liệu, trong khi Haiku 5.5 xử lý những tác vụ nhỏ hơn được làm lặp đi lặp lại.