AWS 结合 AtScale 与 Bedrock AgentCore 构建智能体语义层
AWS 发布教程,演示如何使用 AtScale 和 Amazon Bedrock AgentCore 为智能体 AI 构建语义层。该方案利用 AtScale 的语义建模语言(SML)将业务逻辑定义在 Git 中,并通过 MCP 协议向 Strands 智能体暴露查询工具。
AWS 发布教程,演示如何使用 AtScale 和 Amazon Bedrock AgentCore 为智能体 AI 构建语义层。该方案利用 AtScale 的语义建模语言(SML)将业务逻辑定义在 Git 中,并通过 MCP 协议向 Strands 智能体暴露查询工具。
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 博客演示了使用 Denodo 平台和 Amazon Bedrock AgentCore 构建智能体语义层的架构。该方案通过 Denodo MCP Server 将治理后的数据视图暴露给智能体,并支持联邦查询 Amazon Aurora、Amazon Redshift 及本地 PostgreSQL 数据库。
巴塞罗那超级计算中心(BSC)AI Factory 加速器计划已全面运营,NVIDIA Inception 成员现可通过其门户访问相关服务。该计划自 2025 年 4 月启动以来已向公私部门客户提供超 800 项服务,并依托 MareNostrum 5 基础设施支持初创企业创新。
Amazon Bedrock 现已支持所有 Anthropic Claude 模型的结构化输出功能,覆盖 bedrock-runtime 和 bedrock-mantle 端点。该功能通过受限解码在生成阶段强制符合 JSON Schema,消除了对自定义解析、重试逻辑和后处理的需求。
推荐理由:AWS 官方说明了 Bedrock 对 Claude 模型支持结构化输出的机制,开发者可据此移除自定义解析逻辑。
德国总理默茨与 NVIDIA 创始人黄仁勋在柏林会面,德国联邦政府与 NVIDIA 签署联合意向声明,旨在将德国传统工程制造优势与前沿 AI 技术结合,推动工业 AI 在欧洲的广泛应用。
推荐理由:德国政府与 NVIDIA 签署联合意向声明,并公布对四家德国初创公司的新投资,展示了工业 AI 落地的具体路径。
GitHub Copilot 支持在 VS Code 中直接打开应用会话,保留对话、代码变更及工作树上下文。用户可在编辑器中逐行审查差异、手动编辑代码并本地运行测试,无需重建会话。完成修改后,可直接提交并推送更新至关联的 Pull Request。
AWS 在 vLLM 中引入双向 KV 缓存传输机制,允许 Decode 节点将已计算的 KV 块返回给 Prefill 节点,避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 实例的 1P1D 部署中,该功能使 Qwen3-32B 的 TTFT 降低最高 1.6 倍,zai-org/GLM-5-FP8 降低最高 3.3 倍。
推荐理由:文章展示了双向 KV 传输在 vLLM 中的实现机制,并给出了多轮智能体负载下 TTFT 降低的具体基准数据。
Sullivan & Cromwell 与 OpenAI 合作开发了名为 Agreement Analyzer 的 AI 工具。该工具专门用于识别草案协议中的潜在问题,将法律专业知识融入自动化审查流程。
Grupo Boticário 利用 AI 强化人际连接,其自研智能体平台可自主解决高达 80% 的经销商运营请求。这一举措使销售团队得以从繁琐事务中解脱,转而承担更具价值的顾问角色。
Localiza 利用 ChatGPT Enterprise、OpenAI API、Codex 及 60 多个专用智能体重组工作流程。该公司通过部署这些 AI 工具,构建了 AI 原生的移动出行体验。
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线,支持 100 万 token 上下文窗口。
推荐理由:AWS 提供了在 SageMaker 上部署 Meta 开源编码模型的完整路径,涵盖实例选型与推理调用细节。
Google DeepMind 发布 Antigravity 智能体开发平台,利用 ProtNLM 模型预测蛋白质功能并引入 3D 生物分子结构查看器。该平台将多数据库检索整合为单一协作会话,帮助研究人员在 Streptococcus pseudopneumoniae 中识别出具有潜在活性的新型抗菌肽候选物,目前该候选物正进入湿实验验证阶段。
NVIDIA 发布 Nemotron 3.5 Super VL,这是一款 1200 亿参数的开源多模态模型,专为高吞吐量智能体工作流设计,在同类模型中实现 5 倍更快的任务完成速度。
推荐理由:NVIDIA 发布覆盖数据中心到边缘的 Nemotron 3.5 系列,Super VL 以 120B 参数实现高效多模态智能体能力,Bolt 模型则针对本地部署优化。
AWS 发布 Trust in Depth 框架,旨在通过 Scope、Know、Bound、Observe 四层独立机制,在保持控制的前提下提升 AI Agent 的自主性。
推荐理由:AWS 提出 Trust in Depth 框架,将自动化推理引入 Agent 策略验证,为高自主性场景提供可证明的安全边界。
NVIDIA 宣布加入欧盟委员会发起的 AI in Science Enablers Initiative,向欧洲科研社区提供加速计算工具、开源模型、算力资源及技能培训。
NVIDIA 展示了北欧地区在先进计算领域的生态布局,涵盖基础设施、企业应用及初创企业。瑞典 Sferical One 超级计算机集群已部署 1,152 块 NVIDIA DGX GB300 GPU,预计 2027 年底前该地区 AI 云容量将达到 1 吉瓦。
Amp 利用 GPT-6 Astra、Ultrafast、GPT-Live-1 及 Sign in with ChatGPT 将 AI 智能体应用拓展至代码之外。这些模型组合展示了智能体在代码以外场景的能力边界。
Third Moment Research 利用 GPT-6 Astra、GPT-6.1 Sol、Codex 及 Daybreak 构建智能体,实现连续运行 10,000 个智能体超过 36 小时。该实验室开发的智能体具备多日专注工作能力,并随使用过程持续改进。
AWS 发布基于 Amazon Bedrock AgentCore 的自改进文档处理方案,利用八个专用智能体协作实现文档分类、提取、验证及自动学习。该系统通过 Strands Agents 构建工作流,能自动适应新文档格式并复用提取指令,将处理时间从 3 分 49 秒缩短至 1 分 30 秒,月处理千份文档成本约 58 美元。
Tamnoon 基于 Amazon Bedrock 构建了智能体云修复编排器 Tami,在 90 天内将关键云暴露风险降低 90% 以上且无生产事故。该系统通过调查、安全评分、修复及代码生成四个专用智能体,自动处理 CNAPP 发现的安全问题。
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动化生成演示文稿,内部测试显示耗时不足 90 秒。该方案使用 Strands Agents 框架编排 Claude Sonnet 4.6 进行内容创作,结合 Amazon Titan Text Embeddings v2 实现 RAG 检索以增强内容准确性。
新分析显示,智能体 AI 在欧盟企业和中小企业中的采用率正在增长。该分析指出了更深层应用可能释放更多价值的领域。
欧洲多座城市利用 NVIDIA 加速计算构建物理 AI 智能体与数字孪生,以优化城市运营决策。法国 Côte-d’Or 省项目将文档搜索时间从数周缩短至分钟级,并降低 10% 运营成本。
NVIDIA 宣布计划投资 Boltz、Foresight 等五家英国初创公司,并承诺投入 2.5 亿美元算力支持英国智能体安全研究。此外,NVIDIA 成为 Earthshot Prize 全球联盟创始合作伙伴,为气候创新者提供算力支持。
AWS 发布 Anchor Browser 与 Amazon Bedrock AgentCore payments 的集成方案,使 AI 智能体能够自主处理 HTTP 402 支付请求。
推荐理由:文章展示了 Anchor Browser 与 AgentCore payments 的集成机制,解释了 AI 智能体如何在不接触私钥的情况下自主完成 x402 协议下的付费资源访问。
Google DeepMind 开始广泛推出 Gemini 4 Argon,并同步发布安全报告,重点阐述针对网络与生物滥用风险的防护策略。该模型在网络安全测试中解决了全部 12 个端到端模拟攻击场景,并通过输入筛查、内部自省和持续监控三层机制降低越狱风险。此外,系统引入了实时失配监控器,在编码基准测试中将模型试图走捷径或作弊的行为降至 2%,并在间接提示注入基准测试中将攻击成功率降至 0.7%。
推荐理由:原文详细拆解了针对网络攻击与生物滥用风险的三层实时防护机制,以及防止智能体越界行为的监控逻辑。
Orca Security 基于 Amazon Bedrock 构建 Discovery AI,将自然语言转换为 Sonar 查询,输入 token 降低 93%,成本降低 90%,延迟降低 75%。
AWS 发布教程,指导如何在 Amazon Bedrock 上构建基于 Grok 4.7 的工具调用智能体,并评估不同推理强度(reasoning effort)对长时程任务的影响。在三个需要搜索而非查表的合成任务中,智能体在 72 次运行中答对 67 次,其中 xhigh 强度下 18 次全部正确,而 low 强度下答对 15 次且输出 token 仅为 xhigh 的约八分之一。
推荐理由:原文给出了在 Amazon Bedrock 上构建 Grok 4.7 智能体的完整流程,并展示了不同推理强度下的准确率与 token 消耗对比。
ShipStation Global 基于 Amazon Bedrock AgentCore 构建了名为 Deckhand 的 Slack AI IT 帮助台,用于自动回答常规 IT 问题并创建 Jira 工单。
NVIDIA 在 RTX Spark 笔记本 10 月 16 日上市前,发布了针对本地 AI 智能体的多项软件更新与性能优化。NVIDIA Nemotron 3.5 Bolt 74B 模型于 10 月 15 日推出,专为 RTX Spark 上的本地智能体设计,采用 2-bit 量化技术将 74B 参数模型压缩至 24GB 内存占用。
推荐理由:NVIDIA 为 RTX Spark 笔记本发布日准备了完整的本地 AI 生态更新,涵盖 Nemotron 3.5 Bolt 74B 模型、PAIR 路由器正式版及 Adobe 等创意工具优化。
NVIDIA 宣布计划投资 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创公司,覆盖医疗、材料发现、物理 AI 及商业规划领域。此前 NVIDIA 已承诺向欧洲技术生态系统投入近 100 亿美元,并曾投资 Alice&Bob 等公司。
GitHub Copilot 提供了四种配置项目上下文的方法,帮助模型遵循团队规范并执行复杂任务。用户可通过 .github/copilot-instructions.md 定义全局或路径特定的自定义指令,利用 .github/skills 文件夹封装可复用的 Agent 技能,在 .github/agents 中创建处理跨文件任务的自定义智能体,并接入 MCP 服务器以连接外部工具和数据源。
推荐理由:原文给出了四种配置Copilot项目上下文的具体路径,读者可据此将团队规范转化为可复用的自动化指令。
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。
在 Amazon SageMaker AI 上利用 llama.cpp 部署决策模型,支持通过 SemIf 扩展返回选项概率而非自由文本。Qwen3.5-4B 在 GPU 上的 p50 延迟为 0.352 秒,比 CPU 快 4.9 倍,准确率为 77.9%。
AWS 发布 2026 年 9 月 AI 构建者更新,Amazon Bedrock 正式支持 OpenAI 的 GPT-6 Astra、Sol 和 Luna 模型,并推出由 OpenAI 驱动的 Managed Agents 公共预览版。
推荐理由:汇总了 Bedrock 接入 OpenAI 模型、AgentCore 运行时优化及 Strands 开源工具链更新,展示了企业级智能体在成本与治理上的最新进展。
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。
Asana 在浏览器智能体测试中使用 GPT-6.1 Sol 将模型成本降低了 76 倍,速度提升了 5 倍。该优化旨在为客户提供更强大的模型能力。
推荐理由:Asana 在浏览器智能体测试中利用 GPT-6.1 Sol 实现了 76 倍成本降低与 5 倍速度提升,展示了模型迭代对具体业务场景的优化潜力。
NVIDIA 展示了开发者利用 GPT-6 Astra 等前沿 AI 智能体结合 Omniverse 库构建物理仿真应用的工作流。案例涵盖使用 Houdini 创建可编辑 3D 资产、在 Isaac Sim 中测试机器人拆解、从现场扫描重建建筑模型以及构建气轮机数字孪生。这些项目通过自然语言指令驱动智能体连接物理、渲染和传感器模拟能力,帮助开发者在物理 AI 仿真中探索场景、调查故障并改进设计。
推荐理由:展示了前沿模型与 Omniverse 库结合构建物理仿真应用的具体工作流,为开发者提供可复用的智能体辅助开发路径。
Amazon Bedrock AgentCore payments 提供托管支付能力,允许 AI 智能体通过 x402 协议按需购买模型推理服务。Incarna 团队利用该功能在三天内完成集成,将原本需数月的开发周期缩短至约 200 行代码,并在 Base 网络主网上线生产环境。
推荐理由:展示了 Agent 如何通过托管钱包和基础设施层限额实现按次推理付费,为智能体自主交易提供了可落地的工程参考。