AWS 教程：在 Amazon Bedrock AgentCore 评测中使用决策模型
AWS 发布教程，演示如何通过代码型评估器将 Jev 和 Strands Decider 2B 两个决策模型接入 Amazon Bedrock AgentCore Evaluations。
推荐理由：文章给出了将决策模型接入 AgentCore 评测的完整代码示例，读者可据此构建可阈值化的智能体评估流程。
AWS Machine Learning Blog精选AI 评分6262
AWS Machine Learning Blog精选AI 评分7272 在 Amazon SageMaker AI 上使用知识蒸馏构建高效智能体
AWS 团队演示了如何利用序列级知识蒸馏（SeqKD）在 Amazon SageMaker AI 上微调小型购物智能体。该方法使用 Amazon Bedrock 上的 GLM-5.3 作为教师模型生成多步轨迹，并通过 ShoppingBench 评分器筛选成功样本，对 Qwen3.5-4B 学生模型进行 LoRA 微调。
推荐理由：文章提供了在 Amazon SageMaker AI 上通过序列级知识蒸馏将前沿模型行为迁移至小模型的具体流程与代码示例。
AWS Machine Learning Blog精选AI 评分6767 Amazon Bedrock AgentCore 发布 Session endpoints 支持实时预览 Agent 构建的 Web 应用
Amazon Bedrock AgentCore 发布 Session endpoints 功能，允许用户通过认证 URL 在浏览器中实时查看 Agent 会话内运行的 Web 应用。该功能支持 HTTP 和 WebSocket 协议，用户可配置允许访问的端口，在 Agent 修改文件时通过 Vite 热重载即时看到页面变化，无需等待传统部署流程。
推荐理由：原文展示了通过 Session endpoints 在浏览器中实时预览 Agent 修改的 Web 应用，提供了无需部署即可即时查看变更的开发工作流。
AWS Machine Learning Blog精选AI 评分6262 MoEngage 利用 AgentCore Gateway 将 400 多个私有 API 转化为 Agent 工具
MoEngage 使用 Amazon Bedrock AgentCore Gateway 将 400 多个私有 REST API 转化为 Agent 工具，避免了构建 20 多个独立 MCP 服务器。
推荐理由：文章给出了将私有 API 转化为 Agent 工具的具体架构，读者可参考其权限隔离与语义搜索方案解决大规模工具接入问题。
AWS Machine Learning Blog精选AI 评分6262 AWS 教程：使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建智能体语义层
AWS 发布教程，演示如何使用 Strategy Mosaic 作为语义层，通过 MCP 协议连接 Amazon Bedrock AgentCore 托管的 Strands 智能体。该架构支持跨 Amazon Redshift 和 Amazon Aurora 的无 ETL 联合查询，并将行级和列级安全策略直接应用于智能体调用，确保不同角色用户仅能访问其权限范围内的数据。
推荐理由：演示了如何通过 MCP 协议将语义层接入 Agent，并实现跨数据源查询与细粒度权限控制。
AWS Machine Learning Blog精选AI 评分6262 AWS 发布多节点 Ray LLM 深度学习容器以支持 EKS 上的分离式推理
AWS 推出多节点 Ray LLM 深度学习容器，支持在 Amazon EKS 上通过两个 GPU 节点部署大型语言模型，实现预填充和解码阶段的分离。该容器预集成了 vLLM、Ray Serve、NIXL 和 EFA 组件，通过 OpenAI 兼容接口提供服务，无需编写应用代码即可配置 KV 缓存传输，从而提升大规模推理性能并简化依赖管理。
推荐理由：展示了如何利用预构建容器在 EKS 上实现多节点推理分离，简化了分布式部署流程。
AWS Machine Learning Blog精选AI 评分7272 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 在 Amazon Bedrock 上构建 Agent Mode，通过动态工具选择、Schema 感知读取和专用上下文处理器解决成熟产品集成 AI 智能体的工程挑战。架构利用 Bedrock 的跨区推理、零数据保留和分层提示词缓存，在保障数据合规的同时应对突发流量并控制推理成本。
推荐理由：文章复盘了 Postman 在 4000 万开发者规模下构建 Agent Mode 的工程实践，提供了控制工具膨胀、Schema 读取和上下文管理的可复用架构模式。
AWS Machine Learning Blog精选AI 评分7070 AWS 提出智能体自动化业务价值评估框架
AWS 提出智能体自动化业务价值评估框架，指出传统 RPA 的 ROI 模型无法衡量智能体在异常处理、决策质量和变更韧性上的价值。该框架建议将投资视为工作流组合，通过量化释放产能、减少纠错成本、提升决策结果和降低维护开销四个价值池，并设定明确的止损规则来验证投资回报。
推荐理由：原文提出了包含时间、异常、决策质量和维护成本四个维度的评估框架，帮助读者量化智能体自动化在现有 RPA 模型之外的真实业务价值。
已经到底了