跳到正文

#部署/工程

今日 5 条
今天10月9日周五
  1. AWS Machine Learning Blog70

    AWS 发布 AgentCore payments 支持 AI 智能体按次付费

    AWS 发布 Amazon Bedrock AgentCore payments,支持 x402 协议实现 AI 智能体按次付费。该功能提供托管钱包、基础设施层支出限制及链上审计,BlockRun 与 Incarna 已将其用于 Base 网络上的 USDC 结算。

    推荐理由:AWS 发布 AgentCore payments 支持 x402 协议,提供托管钱包与基础设施层支出限制,解决 Agent 高频小额支付难题。

10月8日周四
  1. MIT Technology Review · AI28

    构建通往自主工业 AI 的安全路径

    AVEVA 首席技术官 Arti Garg 强调,随着基础模型、物理 AI 和智能体 AI 加速工业应用,必须建立负责任的安全治理框架。该框架强调安全、效率及人类监督,主张 AI 应辅助而非替代关键决策中的人类。同时需通过 IEEE 工作组制定标准,量化并管理 AI 对环境的影响,以实现可持续的自动化。

  2. Microsoft Research80

    微软发布Agent Lightning v1.0轻量级智能体RL训练框架

    微软发布Agent Lightning v1.0,通过LLM代理复用部署端Agent进行强化学习训练,代码仅约3,500行。该框架原生支持Kubernetes,无需商业沙箱服务,在Qwen3.5-9B上仅用6,000个样本在SWE-bench Verified上提升14.6个百分点。

    推荐理由:框架通过LLM代理复用部署端Agent,提供轻量级RL训练方案与Kubernetes原生支持。

10月7日周三
  1. AWS Machine Learning Blog38

    超越节省工时:构建智能体自动化的商业论证框架

    AWS 提出智能体价值模型,指出传统 RPA 投资回报模型无法捕捉智能体在异常处理、决策质量和变更韧性方面的价值。该框架强调释放的工时需通过减少支出或重新部署转化为实际经济收益。例如在理赔流程中,仅释放工时并不等于省钱,必须结合错误纠正成本降低和人员重新部署产生的价值进行综合计算。

  2. AWS Machine Learning Blog12

    Qlik 如何利用 Amazon Bedrock 构建企业级可信 AI

    Qlik 利用 Amazon Bedrock 构建 Qlik Answers,解决企业员工获取可信数据答案的需求。该系统通过分层架构实现精准路由,结合 Amazon OpenSearch Service 检索与 Guardrails 安全过滤,确保回答有据可查。自 2026 年 2 月全面上线以来,其 Discovery Agent 已为客户发现超 10 万次异常,显著提升了企业运营效率。

  3. AWS Machine Learning Blog63

    利用AWS Lambda持久化函数与Bedrock实现DevOps Agent调查后的自动化修复

    AWS发布教程,展示如何结合AWS DevOps Agent、Lambda持久化函数、EventBridge与Bedrock构建自动化修复工作流。该方案将Agent的调查结论转化为预验证的修复动作,通过工具白名单与人工审批门控确保安全,实现从诊断到修复的闭环。

    推荐理由:提供基于AWS Lambda持久化函数与Bedrock的自动化修复架构,将人工审批前置,降低运维MTTR。

  4. AWS Machine Learning Blog25

    AWS 发布 AI 知识-能力差距填补指南

    AWS 发布构建 AI 智能体的指南,旨在填补业务人员从概念认知到动手构建的能力差距。通过为期六周的结构化项目,非技术背景人员利用 Strands Agents SDK 和 Amazon Bedrock 成功构建了多智能体原型。该方案通过导师制与迭代练习,帮助业务团队掌握 AI 工具的实际应用能力。

  5. Latent Space97

    AI新闻:OpenAI发布722篇数学论文,Mistral推出Large 4模型

    OpenAI发布内部Navier-Stokes模型的722篇数学手稿,包含准黎曼猜想等成果,引发数学界重大反响。Mistral发布1T参数多模态模型Large 4,支持API并承诺开源。Google推出多模态嵌入模型EmbeddingGemma 2及图像模型Nano Banana 2.1。OpenAI发布决策API公测版,Anthropic扩展网络安全验证计划。

    推荐理由:原文梳理了OpenAI内部模型数学突破、Mistral新模型发布及多项工具更新,提供行业全景与关键争议点。

  6. AWS Machine Learning Blog72

    在AgentCore和OpenClaw上构建带记忆的AI助手

    AWS发布教程,展示如何在Amazon Bedrock AgentCore和开源框架OpenClaw上构建带长期记忆的AI助手。方案通过AgentCore Memory实现上下文持久化,结合Claude Haiku 4.5和Sonnet 4.5进行任务路由,并提供CloudFormation模板一键部署。

    推荐理由:原文给出了基于AgentCore和OpenClaw构建带记忆智能体的完整架构与代码,读者可直接复用该模式。

10月6日周二
  1. AWS Machine Learning Blog23

    负责任 AI 治理:AWS 如何指导客户对齐 ISO/IEC 42005:2025

    AWS 发布指南,协助客户依据 ISO/IEC 42005:2025 标准建立 AI 系统影响评估流程。该标准提供结构化方法,涵盖评估生命周期、触发重评因素及轻量级分类,旨在将 AI 风险识别整合至企业现有风险管理生态中。AWS 同时提供 AIMS 实施指南和 Well-Architected Framework: Responsible AI Lens 等工具支持合规落地。

  2. AWS Machine Learning Blog28

    Amazon SageMaker HyperPod 管理与治理最佳实践

    Amazon SageMaker HyperPod 通过 SageMaker Unified Studio 提供四层控制体系,涵盖组织、项目、集群和工作负载,以解决多团队共享加速计算资源时的治理难题。文章详细阐述了如何设计身份、容量和可观测性策略,在保持基础设施团队对集群操作控制权的同时,向机器学习团队提供项目上下文中的批准计算资源。

  3. AWS Machine Learning Blog68

    Amazon SageMaker 发布 aws-ai-ml 智能体技能

    Amazon SageMaker AI 发布 aws-ai-ml 智能体技能,支持通过 Model Context Protocol (MCP) 接入 Kiro、Claude Code 等编码智能体。该技能可自动为模型生成 SageMaker Python SDK v3 部署代码,提供基准测试、实例选型推荐及性能对比功能。

    推荐理由:通过 MCP 协议将 SageMaker 推理优化能力接入主流编码智能体,实现从自然语言到可执行部署代码的自动化闭环。

10月5日周一
  1. AWS Machine Learning Blog53

    Amazon Quick 发布跨账号资源自动迁移工具

    Amazon Quick 发布 Quick Resource Migrator,通过托管在 Amazon Bedrock AgentCore 上的 MCP 服务器,实现 Agent、连接器、知识库等资源的跨账号自动化迁移。该工具支持幂等更新、权限保真、版本备份与回滚,并提供预览与审计记录,解决企业手动迁移易出错且难审计的问题。

  2. AWS Machine Learning Blog35

    Amazon Quick 降级用户角色指南

    Amazon Quick 控制台不支持直接从 Admin 或 Author 降级为 Reader,需通过手动删除重建或 AWS CLI 分步降级实现。CLI 方法遵循 Admin 到 Author、再到 Restricted Reader 最后到 Reader 的顺序,Pro 用户也需借助中间 Legacy 角色完成过渡。此举有助于落实最小权限原则并降低基于角色的订阅成本。

10月3日周六
10月2日周五
  1. MIT Technology Review · AI22

    MIT Technology Review:以自主 AI 重塑企业智能

    MIT Technology Review 发布报告指出,企业 AI 正从工具转向自主智能体运营模式。全球 AI 投资预计 2026 年达 2.5 万亿美元,但多数企业面临数据孤岛与整合滞后。报告强调,通过可组合架构与主权控制实现数据就绪,而非单纯追求数据量,是构建可复合智能的关键。

  2. Google Research61

    Google 发布基于可信执行环境的下一代联邦学习系统

    Google 发布基于可信执行环境(TEE)的下一代联邦学习系统,通过公开透明日志和可重现构建实现可验证的隐私保障。Gboard 已部署该系统,在获得更强隐私保护和更高精度的同时,显著缩短了模型训练时间。

    推荐理由:Google 发布基于 TEE 的联邦学习系统,提供可验证隐私保障,Gboard 已部署并实现训练加速。

10月1日周四
  1. Ars Technica · AI83

    Google 发布 Gemini 4 Argon 模型,API 定价与百万级输出已公布

    Google 发布 Gemini 4 Argon 模型,API 定价为输入 2 美元/百万 token、输出 10 美元/百万 token,支持 100 万 token 输出。该模型在 DeepSWE v1.1 基准测试中得分 77.9%,已用于内部代码迁移并节省大量内存。

    推荐理由:Argon 提供百万级输出与工程基准领先数据,可评估其在长程任务与代码重构中的实际价值。

9月30日周三
  1. Google Research68

    Google Research 提出 Diffusion Controller 统一图像生成控制框架

    Google Research 提出 Diffusion Controller 框架,将图像生成过程重构为连续控制问题,通过轻量级“转向阻尼器”网络动态调整生成轨迹。该框架在灰盒和全白盒环境下均优于 LoRA,实现了更优的质量与效率平衡。

    推荐理由:提出统一控制框架解决图像生成引导难题,在受限访问下优于LoRA。

9月28日周一