Shield 借助 OpenAI 帮助技术人员交接遗留门户工作
Shield 正在利用 OpenAI 帮助 IT 技术人员在遗留门户中交接工作。其 Forge 智能体可导航这些系统，让技术人员专注于需要其判断的问题。
#Agent
OpenAI NewsAI 评分2222 Figma BlogAI 评分2222 AI在创意过程中的角色：哪些环节该自动化，哪些该保留
一位Figma设计师认为，创意工作中AI的真正问题不是要不要用，而是哪些步骤该自动化、哪些该保留。像VFX清理这类繁琐劳动可以交给AI，而驱动思考的摩擦应当被保护。托管Seedance 2.5的Figma Weave被引为可复用AI工作流的例子。
AWS Machine Learning BlogAI 评分3838 使用 NVIDIA NeMo Switchyard 在 Amazon Bedrock 上将编码代理请求路由到正确的模型
NVIDIA NeMo Switchyard 是一个开源库，可让编码代理为每个请求选择由哪个模型来处理，其 LiteLLM 集成支持 Stage 路由（根据最近的工具活动在两个候选模型之间进行选择）和 Random 路由，用于流量拆分和 A/B 测试。一个示例通过 AWS CDK 在 Amazon ECS Fargate 上部署带有 Switchyard 插件的 LiteLLM，调用 Amazon Bedrock 上的模型，并对照单模型基线衡量每个已解决任务的成本。该示例使用 switchyard-server 0.3.0 和 LiteLLM v1.102.0 镜像，仅用于非生产环境评估。
AWS Machine Learning BlogAI 评分4040 Amazon Bedrock AgentCore 运行时快速会话启动的架构模式
Amazon Bedrock AgentCore 运行时的 platformVersion "V2" 会先准备一次容器，对 microVM 进行快照，并在每个新会话中恢复该快照，从而使会话启动更快、更一致。V2 还会回收未使用的会话内存，使计费与实际使用量保持一致，并且 AgentCore 运行时现在支持构建钩子。本文介绍了 V2 如何启动会话、如何测量会话启动时间，以及四种将工作移出首个请求的模式。
Modal BlogAI 评分1818 Modal 与 Gray Area 联合举办“扩展智能”展览，展出 11 件 AI 艺术作品
Modal 与 Gray Area 共同举办了“Scaling Intelligence”展览，展出 11 件利用机器智能和云规模算力创作的新作品，Modal 提供了工程支持和算力额度。艺术家通过全球公开征集选出，要求作品有意识地、富有想象力地运用 AI。展品包括一个在模拟环境中训练、能对路人竖中指的机械臂，以及一个由九个 AI 模型组成的合唱团，它们会向画廊访客学习跟唱。
ElevenLabs BlogAI 评分2222 ElevenLabs 在 ElevenCreative 中推出 Forward Deployed Creatives
ElevenLabs 在 ElevenCreative 中推出了 Forward Deployed Creatives，这些创意专业人士要么与你的团队并肩构建工作流，要么端到端交付成品本地化广告。企业可以让自己的团队在该平台上启用，与 Forward Deployed Engineers 共同构建可复用的工作流，或将策略交由他们贯穿制作全程。受过训练的语言学家和音频专业人士会针对每个市场审核本地化内容。
Google Research精选AI 评分8888 Google向外部研究人员开放Antigravity /teamwork多智能体工作流
Google正将Antigravity的/teamwork智能体工作流，连同/boost和Deep Review，提供给使用Gemini 4模型的外部科学家和开发者，并已开放申请，让1万名学术研究人员免费获得其最高使用层级六个月的访问权限。
推荐理由：Google详细介绍了Antigravity的/teamwork多智能体框架如何与Gemini 4模型配合，在证明、化学和内核优化方面产生经过验证的结果，并且现已向外部研究人员开放。
Claude Blog精选AI 评分6060 Anthropic 解释常驻代理背后的架构
Anthropic 详细说明了常驻代理背后的五个核心原语：事件收件箱、定时器、记忆、权限和发件箱。文章称近期的模型进步让这类代理更加实用，并举例说在一个长周期编程基准上，Opus 5.5 每解决一个任务的成本比 Opus 5 低 78%，而在典型工作负载上则低 40%。文章还讨论了无人值守权限处理中的风险，包括凭证代理、自动模式分类器，以及会暂停运行以等待用户批准的工具延迟调用。
推荐理由：Anthropic 阐述了常驻代理背后的五个架构原语，为构建主动式、有状态代理产品的团队提供了一套可复用的蓝图。
AWS Machine Learning BlogAI 评分3636 Amazon Bedrock 的 AI 开发者与生产力工具成本归因与管控
Amazon Bedrock 现已提供零插桩成本归因，可将每次推理调用追溯到发起调用的 IAM 主体，身份与组织标签会流入 CUR 2.0 和 Cost Explorer。该机制在端点层生效，因此一旦配置好身份传播，Claude Code、Claude Desktop、OpenAI Codex、ChatGPT Work 和 OpenCode 都能继承按用户维度的成本可见性。文章详细介绍了如何通过外部 IdP 设置 IAM Identity Center、为团队和成本中心设置会话标签、编写 Athena 查询，以及使用 Bedrock 原生用量控制来强制执行支出限额。
Hugging Face BlogAI 评分3636 在 Isaac Sim 中使用 SimReady 资产构建机器人拾放仿真
Hugging Face 的一篇教程展示了如何在 Isaac Sim 6.2 中使用 SimReady 资产搭建一个饮料罐拾放任务：UR17G 机械臂、Robotiq 2F-140 夹爪和一个饮料罐。这些资产来自 SimReady Central，带有已编写的仿真属性和配置文件验证，示例使用 GPT-6 Sol 生成并运行任务代码。
Sierra Blog精选AI 评分7878 Sierra 发布 Personal Agent Protocol 1.0，Shopify 全量商户与 Meta Muse 接入
Sierra 发布了 Personal Agent Protocol 1.0 版本（简称 Poppy），这是一项让个人智能体通过业务智能体、网站和 API 与企业交互的标准。Shopify 现已在 175 多个国家的每家店铺发布 Poppy 文件，而 Poppy 已在 Meta 的 AI 智能体 Muse 的所有用户中启用，Muse 在访问每个网站时都会首先检查 Poppy。该协议基于 MCP、OpenAPI 和 UCP，采用基于 OAuth 的认证，新增了由 Shopify 联合编写的商务扩展，目前已有超过 100 家设计合作伙伴，包括 Mercury、Synchrony 和土耳其航空。
推荐理由：Poppy v1.0 与 Shopify 全量商户、Meta Muse 的接入，展示了个人智能体与商家系统对接的协议层如何从草案走向实际部署。
ElevenLabs BlogAI 评分2929 牛津“鼓舞人心的女性创始人”研究基于ElevenAgents打造面向企业的语音智能体SOFIA
牛津赛德商学院“鼓舞人心的女性创始人”计划将其多年来对女性创始人的访谈转化为SOFIA for Business——一款基于ElevenAgents构建、并获得ElevenLabs Impact Program支持的语音智能体。SOFIA在牛津赛德创业论坛上发布，让有志创业者能够向过往受访者学习，同时也会访谈新的创始人，并将每一次获得同意的对话加入研究。全女性团队获得的创业投资约占2.3%。
LangChain Blog精选AI 评分7171 LangChain 完成 3 亿美元 C 轮融资，估值 30 亿美元
LangChain 宣布完成 3 亿美元 C 轮融资，估值 30 亿美元，由现有投资方 CapitalG 领投，GIC 和 DFJ Growth 新参与投资，现有投资方 IVP 和 Sapphire Ventures 继续跟投。该公司表示，已有超过 7,000 家组织使用其框架无关的 LangSmith 平台来运行、改进和治理智能体，包括 NVIDIA、Toyota、Salesforce、Harvey、Rippling 和 Workday。LangChain 还表示，将在 11 月 20 日（周五）的发布活动上分享多项 LangSmith 新能力。
推荐理由：LangChain 以 30 亿美元估值完成 3 亿美元 C 轮融资，显示出投资者对框架无关的智能体平台的兴趣，而 LangSmith 的采用细节则提供了企业智能体运营的具体视角。
Databricks BlogAI 评分5858 Databricks 与 OpenAI 详述三种企业模式，用于在受治理数据上运行 OpenAI 模型
Databricks 与 OpenAI 概述了三种企业采用模式，用于在 Databricks 中受治理的数据上使用 OpenAI 模型和工具：面向业务用户的 ChatGPT 中的 Genie 插件、通过 Unity Gateway 路由以实现受治理编码的 Codex，以及使用 OpenAI Agents SDK 构建并作为 Databricks Apps 部署的自定义代理。Genie 插件运行在 Genie MCP 上并应用 Genie Ontology——这一上下文层承载着公司已批准的指标和定义，因此答案与内部定义保持一致，且每位用户只能看到其被允许访问的数据。该合作始于 2025 年 9 月，是一项多年协议，Databricks 表示每位 Databricks 工程师都将获得 Codex 的访问权限。
OpenAI News精选AI 评分6262 OpenAI 在 ChatGPT Work、Codex 和 dots 中推出 ChatGPT Wallet，用于智能体购物
OpenAI 推出了 ChatGPT Wallet，这是一种安全方式，让 ChatGPT Work、Codex 和 dots 中的智能体在用户批准和现有卡片保护下完成购买。该公告将用户批准和现有卡片保护定位为智能体发起交易的保障措施。
推荐理由：OpenAI 将智能体支付扩展到 ChatGPT Work、Codex 和 dots，并以用户批准和现有卡片保护作为声明的保障措施。
LiveKit Blog精选AI 评分6262 LiveKit 在语音智能体中测试 Gemini 4 Hydrogen 与 3.8 Flash，工具被故意破坏
LiveKit 通过同一个 Google 插件，让 Gemini 4 Hydrogen 和 Gemini 3.8 Flash 运行在一个语音旅行礼宾智能体中，并故意让工具调用失败；在 54 份转录中，Hydrogen 的虚假预订报告为 0 次，而 3.8 Flash 为 2 次。在 Hydrogen 设为 high、3.8 Flash 设为默认的情况下，Hydrogen 的第一句话早到 1.2 秒（4.0 秒对 5.2 秒）；两者都设为 low 时，早到 1.7 秒（2.8 秒对 4.6 秒）。作者建议语音智能体使用 medium 或 high 思考级别，并指出 xhigh 的首句延迟中位数为 7.8 秒，最坏情况为 52 秒。
推荐理由：LiveKit 的实测显示，Gemini 4 Hydrogen 会报告每一次被故意破坏的工具调用，并且比 3.8 Flash 更早开始回复，同时提供了语音智能体在各思考级别下的延迟数据。
OpenClaw BlogAI 评分2020 OpenClaw 将 Claw Hack 黑客松与 ClawCon 带到深圳
OpenClaw 继上海活动之后，将于 2026 年 12 月 4 日至 6 日在深圳举办为期三天的 Claw Hack 黑客松和 ClawCon 大会。Claw Hack 涵盖软件与硬件赛道，涉及 M5Stack、Seeed Studio 的 reBot Arm B601 和 Pamir 硬件，报名截止日期为 11 月 25 日。ClawCon 将于 12 月 6 日举行，演讲主题包括开源 AI、开放权重模型以及在本地和云端运行智能体。
ElevenLabs BlogAI 评分1818 每位人类和AI客服人员都需要的7项客户服务技能
ElevenLabs列出了七项客户服务技能——沟通、问题解决、冲突化解、同理心、适应力、个性化以及产品知识——人类和AI客服人员都需要具备这些技能。它引用了Zendesk的一项研究，该研究发现超过50%的客户在经历一次糟糕体验后会转向竞争对手；还引用了Gartner的预测，即到2028年至少70%的客户将通过AI界面开启他们的旅程。该指南强调在训练期间和部署之后评估对话指标，并强调无缝转接给人类以缓和局势。
Modal BlogAI 评分4040 Modal Sandboxes 采用突发定价，相比预留成本降低 58%
Modal 现在按活跃资源使用量而非固定预留来计费 Sandboxes，允许每个 Sandbox 突破其默认的 0.125 核和 128 MiB 请求，并按每秒实际使用量付费。在一个 20 分钟的编码智能体示例中，突发计费为每 Sandbox 小时 8.4¢，而固定预留为 20.0¢，节省 58%。CPU 默认可在请求基础上突发至多 16 核，内存除非设置限制否则不设上限。
FactoryAI 评分5555 Factory 推出 Cyber Defense Network，将安全工具连接到 Security Factory
Factory 推出了 Cyber Defense Network，这是一个由网络安全公司组成的生态系统，其发现结果会流入 Security Factory，以便 Factory Droids 调查漏洞、实施代码更改并通过测试验证修复。创始合作伙伴包括 Snyk、Palo Alto Networks、Semgrep、Cogent、Casco、DepthFirst 和 Detail。该工作流涵盖来自合作伙伴工具的信号、对可达漏洞的初步分类，以及持续修复，生成可供工程团队审查和合并的修复方案，同时组织保留其现有的安全工具和工作流。
OpenAI NewsAI 评分2222 Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进
Amplitude 的主动式产品智能体 Wave 主要基于 OpenAI 模型构建，可识别需要构建的内容，帮助团队借助编码智能体交付变更，并衡量其影响。这一方案让 Amplitude 能在 1–2 天内交付产品改进。
GitHub Blog · AI & MLAI 评分5858 GitHub 指南解释如何构建可在 Claude Code、Cursor 和 Copilot 上运行的 agent skills
GitHub 发布了一份关于 agent skills 的实用指南，agent skills 是以 SKILL.md 文件为中心、带版本号的目录，用于描述何时以及如何执行可重复的任务。该指南使用两个示例——用于对 AI 生成代码进行对抗性验证的 Proof Agent 和用于多技能数据管道的 Data Forge——来展示技能如何共享项目清单、复用同一条执行路径，并在每个阶段设置人工审批。它还介绍了一个打包脚本，可从单一 skills 源为 Claude Code、Cursor 和 GitHub Copilot 生成特定于客户端的文件。
AWS Machine Learning BlogAI 评分4040 Natera 如何在 Amazon Bedrock AgentCore 上为实验室运营构建 SWARM 智能体 AI 系统
Natera 在 Amazon Bedrock AgentCore 上构建了用于实验室运营的智能体 AI 系统 SWARM，将首次响应时间缩短约 130 倍，并自动处理 96.2% 的支持工单。该系统将一个在工程师打开工单前起草诊断报告的 swarm-agent 与一个用于工程师实时交互的 swarm-hive 配对，两者共享同一个技能库。它每天处理三个队列中超过 65 个 Jira 工单，而这些工单此前的首次响应平均需要 17.4 小时。
OpenAI NewsAI 评分2222 Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进
Amplitude 的主动式产品智能体 Wave 主要基于 OpenAI 模型构建，可识别需要构建的内容，帮助团队借助编码智能体交付变更，并衡量其影响。这一方案让 Amplitude 能在 1–2 天内交付产品改进。
LangChain BlogAI 评分4545 什么是评估驱动开发？如何改进 AI 智能体
LangChain 解释了评估驱动开发（EDD），这是构建 AI 智能体的三步流程：定义什么是好的表现、在构建之前先编写评估、每次更改后比较结果。由于智能体具有非确定性，评估会在一组示例数据集上对运行结果打分，并可使用 LLM-as-a-judge，同时以 LangSmith 中真实的智能体运行作为测试输入来源。
AWS Machine Learning Blog精选AI 评分6666 AWS 更新 AgentCore 运行时：会话启动速度提升 15 倍，算力提升 4 倍
AWS 宣布更新 Amazon Bedrock AgentCore 运行时——其面向智能体的托管计算层，会话启动速度现已提升至多 15 倍，算力扩展至 4 倍（最高 8 vCPU 和 32 GB，容器镜像最大 10 GB），运行效率提升至多 68%，同时每个会话仍运行在各自硬件隔离的 Firecracker MicroVM 中。无论镜像大小或并发量如何，会话启动均在 2 秒以内，空闲智能体可缩容至零，智能体可挂载文件系统（如支持 FUSE 的 Amazon S3 桶）并保存工作成果，使数据始终留在信任边界内。该运行时现已在北美、南美、欧洲和亚太地区的 AWS 区域可用。
推荐理由：AgentCore 运行时的新版本将会话启动、算力上限和内存计费一并调整，为需要长时间运行的智能体在隔离与成本之间提供了新的取舍。
AWS Machine Learning BlogAI 评分3434 使用 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关
一个基于 Amazon Bedrock Application Inference Profiles 和运行在 AWS Fargate 上的 LiteLLM 构建的自助式 LLM 网关，通过 OpenAI 兼容 API 对外暴露 Bedrock 基础模型，为开发者提供单一 base URL 和每用户密钥。该方案增加了每用户支出控制、按模型配额隔离以及 CloudWatch RPM/TPM 可观测性，并使用 Langfuse 实现提示词级遥测。自助发放密钥需要 LiteLLM Enterprise，因为免费版仅限五个用户。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Hydrogen，一款面向编程和智能体工作流的更快的 Gemini 4 模型
Google DeepMind 推出了 Gemini 4 Hydrogen，这是一款 Gemini 4 模型，专为快速的日常编程和智能体执行而构建，而非 Gemini 4 Carbon 和 Argon 那种长程推理。在其默认的高思考级别下，它在 Artificial Analysis Intelligence Index 上得分为 51，而 Argon 为 50；在新的 xhigh 设置下达到 54；其定价在其 100 万 token 上下文窗口内统一为每百万输入 token 1.50 美元和每百万输出 token 7.50 美元。Google 还在 Google Antigravity 中推出了 Orchestrator，它可以在会话内在 Carbon 和 Hydrogen 等模型之间切换，并在 Terminal-Bench 4.0 上达到接近 Carbon 的任务成功率，同时使用的配额减少 24%，完成速度快 19%。
推荐理由：Google 的 Gemini 4 Hydrogen 面向快速的日常编程和智能体工作，在 100 万上下文窗口内统一为每百万 token 1.50/7.50 美元的定价，并推出了可在 Gemini 4 模型之间切换的新 Orchestrator。
AWS Machine Learning BlogAI 评分3434 在 Amazon Bedrock 上优化单任务成本并证明智能体 ROI
这篇 AWS 文章主张，Amazon Bedrock 的支出应按单任务成本而非单 token 成本来衡量，因为分词器效率、输出冗长度、智能体循环次数和推理开销可能使价格更低的模型反而成本更高。一个示例显示，标价高 2 倍的模型单任务成本反而低 65%；文章还补充了缓存、路由和输出约束，以及一个五维评分卡，用于对照人工基线衡量智能体 ROI。
LangChain BlogAI 评分3030 拥有你自己的智能：LangChain 谈为何通用 AI 不够用
LangChain 认为，企业必须拥有自己的智能，而不能依赖通用模型，并要掌控三个层面：模型、harness 和上下文。它表示，拥有智能体系统，以及围绕它的经济性、质量和风险，才能把 AI 转化为持久的优势。
Databricks BlogAI 评分2222 H6.ai 如何借助 Lakebase Postgres 构建 AI 驱动的财务自动化
H6.ai 在客户现有 ERP 之上实现应付账款自动化，为每个客户使用专属的 Lakebase Postgres 数据库作为记录系统。由于发票数据持续变化，团队使用 Lakebase 的写时复制分支来冻结客户数据库快照，并在各自独立的短生命周期分支上运行每项回归测试，因此绝不会写入生产数据库。每次运行由确定性断言以及来自不同模型提供商的 AI 评审团共同评判。
AWS Machine Learning BlogAI 评分3838 Amazon Bedrock AgentCore Evaluations：内置、DeepEval 和 AutoEval 评估器
Amazon Bedrock AgentCore Evaluations 现在让团队可以运行 AWS 内置评估器，同时支持托管的 DeepEval 和 AutoEval 指标，以及基于两者衍生的自定义评估器。内置目录涵盖响应质量、目标完成、工具使用、技能和安全性方面的 15 个评估器，并提供三项针对预期工具路径的轨迹检查。DeepEval 增加了 ConversationCompleteness 和 KnowledgeRetention 等多轮指标，而 AutoEval 则贡献了包括安全性在内的专业信号。
AWS Machine Learning BlogAI 评分3636 使用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监视器
Amazon Bedrock AgentCore 中的 Web Search API 现已可用，通过一次 SigV4 签名的 API 调用即可让智能体获取最新的网页结果，该调用由 Amazon 运营的网页索引提供服务。一篇演练文章构建了一个每日依赖监视器，将其作为 LangGraph 图，并行研究 npm、PyPI 和容器基础镜像，并在代码中强制执行日期窗口、黑名单和搜索预算。在测试中，三个分支在 36 秒内完成，而按顺序运行则需要 99 秒。
AWS Machine Learning BlogAI 评分5858 Moonshot AI 的 Kimi K3.1 Pro Highspeed 在 Amazon Bedrock 上线
Moonshot AI 的 Kimi K3.1 Pro Highspeed 现已在 Amazon Bedrock 上可用，它是 Kimi K3 的后训练版本，具有相同的 3T 级开放权重架构和 100 万 token 上下文窗口，使用更多后训练算力进行训练，以支持长时程智能体工作并减少事实性错误。Moonshot AI 报告其输出速度是 Kimi K3.1 Pro 的 2–3 倍，现有 Kimi K3 用户可以通过更改模型 ID 进行切换。该文章展示了 Chat Completions、Responses 和 Converse API 调用、价格为 Standard 一半的 Flex 层级、使用 prompt_cache_breakpoint 的显式提示缓存，以及将模型连接到 OpenCode 编码智能体。
AWS Machine Learning BlogAI 评分3333 Amazon SageMaker AI 双向流式传输新增按用量定价，Deepgram 成为首发合作伙伴
Amazon SageMaker AI 双向流式传输现已支持按用量计量，允许模型提供商向 AWS Marketplace 软件费用上报实际消耗量，而端点基础设施费用仍需另行支付。Deepgram 是首发合作伙伴，将按用量计费的语音转文本和文本转语音计费引入 AWS Marketplace。该设计新增一条配套的 WebSocket 元数据流，限制为每秒一条消息、每条 512 字节，使提供商能够在实时会话期间发送增量计量记录。
AWS Machine Learning Blog精选AI 评分6060 AWS 开源 UAEF：一个与框架无关的 AI Agent 评估系统
AWS 已开源 UAEF（Universal Agent Evaluation Framework，通用 Agent 评估框架），这是一个与框架无关的系统，通过适配器将来自 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的 Agent 轨迹归一化为统一的 AgentTrace，然后用覆盖 7 个维度的 36 项内置指标进行打分。结果按实验存储在 Amazon DynamoDB 和 Amazon S3 中，使团队可以将 Agent 版本与基线进行比较，用默认 5% 的阈值标记回归，并生成统计报告以及由 LLM 撰写的洞察。文章称，来自电信、医疗和金融服务领域 12 个组织的客户在发布前使用了 UAEF，Apache 2.0 代码、Python 库、CDK 部署和各框架 notebook 均位于 awslabs/uaef GitHub 仓库中。
推荐理由：AWS 团队开源 UAEF，用适配器把不同框架的 Agent 轨迹统一成一种格式，再以 36 项指标跨 7 个维度打分，为跨框架比较 Agent 版本提供了一套可复用的评测层。
AWS Machine Learning BlogAI 评分3636 AWS Quick AI-PDLC：六个智能体驱动 AI 产品开发
AWS Quick 推出 AI-PDLC，这是一个由六个专用智能体组成的框架——由 Orchestrator 统领，涵盖 Discovery、Prioritize、Working Backwards、Spec Generator 和 Designer——可将来自 Slack、Jira、Salesforce 和 SharePoint 的分散企业信号转化为可追溯的 prototype_spec.md。每个阶段都需要人工审批，并且该规格可通过开放的 Agent Client Protocol (ACP) 交给 Kiro 或 Claude Code 等编码智能体。
AWS Machine Learning BlogAI 评分4040 AWS 开放其创新中心的 23 项可复用生成式 AI 资产目录
AWS 发布了来自其生成式 AI 创新中心（现隶属于 AWS Frontier AI Engineering & Services）的 23 项生产就绪的开源生成式 AI 资产目录。这些构建模块涵盖 RAG 流水线、文档处理器、智能体脚手架和评估框架，AWS 表示它们可以将开发时间从数月缩短至数周。DoorDash 报告称测试能力提升了 50 倍，Ricoh 报告称基于这些资产构建后吞吐量提升了 7 倍。
AWS Machine Learning BlogAI 评分3838 DXC Technology 如何在 Amazon Bedrock 上构建多模型 AI 底座
DXC Technology 在 Amazon Bedrock 上为其 DXC OASIS IT 运维框架构建了模型底座，通过一个统一托管接口接入 Anthropic Claude、Amazon Nova、Meta Llama 和开放权重模型。Amazon Bedrock Guardrails 对所有模型统一应用内容过滤、PII 脱敏和禁止话题策略，而 AWS PrivateLink 将推理流量保持在客户 VPC 内。DXC OASIS 自 2026 年 3 月起正式可用，在 56 个实测用例中平均将解决时间缩短了 95%。
AWS Machine Learning BlogAI 评分4040 Agent DLC：从原型到生产环境构建 AI Agent
AWS 推出 Agent 开发生命周期（Agent DLC），这是一个包含一个生命周期、两个循环以及单一明确标准的框架，用于评判每一次 Agent 变更。它针对三个会破坏传统 CI/CD 的 Agent 特性：非确定性、提示词即源代码，以及独立变动的依赖项。一个参考 HR 政策助手显示，在全部三个测试问题上，块级检索精确度为 1.00，而事实级精确度降至 0.09，且其中一个问题的检索覆盖率为 0.00。