用 Amazon Bedrock AgentCore 构建可自我改进的文档处理系统
基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统，可自动处理供应商发票、采购订单等新文档格式，通常 20 分钟内完成部署，无需人工配置模板。
#教程/实践
#教程/实践
今日 2 条AWS Machine Learning BlogAI 评分4141 NVIDIA Developer BlogAI 评分2727 NVIDIA 用 NeMo Gym 优化芯片设计智能体的可靠性与工具调用效率
NVIDIA 针对芯片设计工作流中 AI 智能体易生成看似合理却错误内容的问题，使用 NeMo Gym 优化其可靠性与工具调用效率。多阶段工程流程中，早期未被发现的错误会沿下游阶段静默传播，影响最终产物生成。
AWS Machine Learning BlogAI 评分2828 用 Amazon Bedrock AgentCore 生成演示文稿
AWS 发布方案，用 Amazon Bedrock AgentCore 搭建 AI 智能体自动生成 PowerPoint 演示文稿，内部测试中不到 90 秒即可完成。
AWS Machine Learning BlogAI 评分2424 用 Amazon SageMaker JumpStart 部署并评测模型
Amazon SageMaker JumpStart 提供可复用 Python 脚本流程：从 SageMaker JumpStart 部署预训练模型、用示例提示词测量延迟与单请求生成速率，测完删除端点。
钛媒体AI 评分2222 当二十年老牌行情软件遇上 AI：大智慧与阿里云的智能化跃迁之路
大智慧与阿里云联手启动 AI 原生 APP 共创项目，2024 年 10 月正式启动，目标是将传统行情软件升级为能理解用户意图、辅助投资决策的智能产品。双方围绕数据治理、Agent 工程框架、记忆体系与评测体系四大要素重构，搭载阿里云 FinXScope 2.0 金融 Agent 平台。通过缩小模型尺寸并将意图分类训入 4B 小模型，意图识别耗时从约 10 秒压缩到毫秒级别。
Simon WillisonAI 评分2828 用 Python 3.15 剖析 web-edit：火焰图与源码热力图
用 Python 3.15 内置的 `profiling.sampling` 对未修改的 web-edit 应用做采样剖析，`preserve_endings` 出现在 15,296 个 CPU 栈中的 64.8%，`SequenceMatcher.find_longest_match` 占叶子样本的 38.3%。
NVIDIA Developer BlogAI 评分2323 如何用 AI 智能体为 GPU 加速重写 Apache Spark UDF
NVIDIA 介绍如何借助 AI 智能体将 Apache Spark UDF 重写以适配 GPU 加速。面对 AI 智能体带来的企业数据查询量激增，NVIDIA cuDF 利用大规模并行与高带宽显存提升数据吞吐，从而在不显著增加成本的前提下满足需求。
AWS Machine Learning BlogAI 评分2424 如何用托管权益管理 Amazon Bedrock 的私有定价优惠
Amazon Bedrock 的托管权益让企业只需在一个中心账户订阅 AWS Marketplace 私有定价优惠（MPPO），即可向全组织分发第三方模型访问权限。
The Pragmatic EngineerAI 评分2222 构建有韧性的 AI 驱动软件：Sam Newman 谈灾难恢复与模型供应商风险
Sam Newman 出版《Building Resilient Distributed Systems》，因 AI 相关内容重写全书而耗时三年。书中提出用 RPO 与 RTO 两个可量化目标确定灾难恢复需求，并给出备份恢复、pilot light、热备和多站点 active-active 等 DR 模式。
AWS Machine Learning Blog精选AI 评分6565 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 在 Amazon Bedrock 上线 SpaceXAI 的 Grok 4.7，并给出一个工具调用智能体的完整评测：三个需要搜索而非查询的任务各跑六次、四个推理投入档位共 72 次运行，答对 67 次；xhigh 档 18 次全对，low 档答对 15 次且输出 token 约为 xhigh 的八分之一。
推荐理由：原文用72次可复现的智能体运行，给出不同推理投入档位在准确率与输出token上的权衡数据，方法可迁移。
AWS Machine Learning BlogAI 评分4141 ShipStation Global 如何基于 Amazon Bedrock AgentCore 构建 AI IT 服务台 Deckhand
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand，可回答常规 IT 与公司问题、读取报错截图，并创建和更新 Jira Service Management 工单，上线后解决了 97.5% 的频道查询，员工正面反馈率达 96%。
AWS Machine Learning BlogAI 评分2626 Orca Security 在 Amazon Bedrock 上用自然语言安全查询
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了 Discovery AI，将自然语言问题转换为 Sonar 查询，支持 900+ 云模型和 18 种操作符，可处理每天数千次查询、15 秒响应。
AWS Machine Learning BlogAI 评分3636 Amazon SageMaker AI 上的 MoE 内核工程实践
针对 MoE 模型推理，AWS 团队通过 Swap-AB 转置让专家维度 N=8192 进入 WGMMA 首个操作数位置，在 H200 上取得 2–4% 端到端输出吞吐提升，该优化已合入 vLLM 0.24.0 及更高版本。
钛媒体AI 评分4242 138场工业级翻车实录，企业Agent到底应该如何落地？
一项覆盖234场技术演讲、锁定138份工业级落地报告的研究指出，大语言模型只是引擎，决定企业级Agent成败的是传统软件工程底座而非提示词。研究归纳出十大架构模式与四大职能范式，并给出五条工程法则：从单智能体起步、仅在协调收益大于损耗时扩容、高危操作必须设置人在回路（HITL）确认。
钛媒体AI 评分2525 人均代码产出提升 14.6%：亚信科技万人 AI Coding 跃迁之路
亚信科技依托阿里云全链路 AI 研发能力引入 Qoder，在近万名研发人员中落地全员 AI Coding，核心 BSS 系统 AI 覆盖率达 80% 左右，千人运营团队月活跃率稳定在 90% 以上，人均代码产出提升约 14.6%，端到端全流程平均提效 8.6%。其选型看重基模持续投入、配套环境与安全底座，并将编码规范符合率从 60% 提升到 95%。
GitHub Blog · AI & MLAI 评分3030 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 可通过四种方式定制对项目的理解：.github/copilot-instructions.md 定义仓库级约定，.github/instructions 支持按 applyTo 字段的路径级指令。
Meta EngineeringAI 评分2424 Meta 如何把闲置推理算力变成更好的广告推荐
Meta 构建了一套系统，把 fleet 中分散闲置的推理算力聚合成共享的机会算力池，用于增强广告推荐，无需额外采购容量。系统通过 Rank More Ads（RMA，增加排序阶段评估的候选广告数量）和 Serve Better Models（SBM，提高请求路由到更强模型的比例）两个弹性杠杆，在保障基线性能的前提下扩展可选工作负载。
AWS Machine Learning BlogAI 评分2929 如何用 Ray LLM Deep Learning Containers 在 Amazon EKS 上运行多节点推理负载
AWS 发布 Ray LLM Deep Learning Containers，支持在 Amazon EKS 上跨两个 GPU 节点部署单个 LLM，将 prefill 与 decode 分离运行并统一在一个 OpenAI 兼容端点后。
AWS Machine Learning BlogAI 评分2626 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型，可让应用从固定选项集中直接输出概率分数，而不必生成文本答案。AWS 的 llama.cpp DLC 支持通过 OpenAI 兼容的 Chat Completions 接口调用，扩展方案 SemIf 则返回 option_ids、probabilities 与 raw option_logits。
The Verge · AIAI 评分2828 在本地跑 AI 模型：兴奋、崩溃又让人抓狂的初体验
The Verge 编辑在 M5 Ultra Mac Studio 上安装开源 Hermes Agent 并运行 125B 参数的 Qwen 3.8 Flash Next 本地模型，尝试搭建每日简报、整理 400 多款 Steam 游戏、分析财务记录等任务。Hermes 支持 macOS、Windows、Linux，纯本地运行免费，但作者也吐槽模型选择繁多、上手过程令人不知所措。
Simon WillisonAI 评分1010 Python 3.15.0 加入 actions/python-versions
actions/python-versions 已加入 Python 3.15.0，现在可在 GitHub Actions 测试矩阵中填入 "3.15" 对新版本 Python 跑测试。作者此前曾让 ChatGPT 每小时检查一次该稳定版是否上线。
爱范儿AI 评分3131 配得上 iPhone 18 Pro 的三款摄影 App：Gloam、Project Indigo 与原相机
爱范儿用 iPhone 18 Pro 系列拍了 3000 多张照片、试了十几款相机 App 后推荐三种拍摄方式：Gloam 以 RAW 完成色彩映射与颗粒处理，终身买断 58 元/7.99 美元；Project Indigo 走"强采集、弱渲染"路线，免费并提供 8× 数码变焦多帧超分。原相机则新增手动快门、光圈、白平衡、对焦和直方图等 Pro Control 控制。
爱范儿AI 评分5252 为什么 ChatGPT 会话标题会混入色情赌博小广告
爱范儿作者梳理了 ChatGPT 会话标题末尾混入色情、赌博外语词元的现象：该问题从年初的 Codex CLI 蔓延到 API 端，再到 8 月普通用户会话标题，OpenAI 在 7 月 25 日首次回应称会在未来模型更新中解决，但至今未根除。
Hugging Face BlogAI 评分3737 Ai2 如何为 GPU 集群设计高影响力的调度系统
Ai2 用 GPU 时间预算、分层公平分配和时间切片合约替换了原有的优先级调度器，把各研究项目该分多少 GPU 时间的争论从逐案运维操作变成透明的预算流程。其集群由数千块 NVIDIA H100、B200、B300 组成，规模 88 至 1024 块，服务约 150 名内部研究者，而排队需求常年是可用容量的 2-3 倍。
IEEE Spectrum · AIAI 评分1212 IEEE 推出 AI 处理器架构与设计原理新课程
IEEE Educational Activities 在 IEEE Computer Society 支持下推出“AI Processor Architecture, Design Principles, and Performance”五门课程项目，覆盖设计基础、先进架构、神经处理单元、边缘与云及量子、IoT 等方向。
AWS Machine Learning BlogAI 评分4545 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 在 Amazon Bedrock 上构建并运行 Agent Mode，以 AI 原生方式覆盖 API 测试、文档、发现与实现，服务 4000 万开发者。
Simon WillisonAI 评分4141 Simon Willison 用 Codex 语音模式边做饭边给博客做了个 Newsletters 页面
Simon Willison 用 ChatGPT 桌面版 Codex 标签页的语音对话模式，在做饭的半小时里对本地开发环境口述需求，由 GPT-6 Astra High 完成博客 Newsletters 页面的模型、迁移、视图和四个导入脚本。
Hugging Face Blog精选AI 评分6868 作者用 Hugging Face ML Intern 花约 103 美元做出六个定制模型
作者描述自己用 Hugging Face 的 ML Intern 在几天内做出六个小模型，包括基于 Qwen3.5-2B 的柑橘病害模型、Huggy LoRA、相机角度 LoRA、Pocket Rewriter 0.8B/2B 和 Agate 4-step 蒸馏模型，累计算力成本约 103 美元。
推荐理由：作者用 ML Intern 在两三天内做出六个小模型，给出提示词结构与逐项成本，可作为低成本定制模型的实操参考。
NVIDIA Developer BlogAI 评分2626 NVIDIA 五步打造机器人仿真用 SimReady 资产，结合前沿 AI 模型
NVIDIA 发布五步流程，借助 Omniverse 库、SimReady Foundation 规范和智能体技能，将 CAD 资产转换为机器人仿真可用的 SimReady 资产。该流程不限于几何转 OpenUSD，还要求配置并验证材质、碰撞几何、关节等物理属性，之后才能测试机器人行为。
NVIDIA Developer BlogAI 评分3737 NVIDIA KGMON 团队如何在 KDD Cup 2026 Data Agents 竞赛中获得亚军
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛中获得第二名，其方案的核心思路是让智能体的 harness 更小、更清晰、更易验证。该竞赛要求智能体在数据库、CSV 和 JSON 文件、散文文档、PDF 及简报视频等异构数据源上回答自然语言问题。
AWS Machine Learning BlogAI 评分2424 用 Amazon SageMaker HyperPod 实现团队间 GPU 集群的隔离与公平共享
针对多个团队共享昂贵 GPU 集群的需求，AWS 给出了一套基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，通过 Kubernetes 命名空间隔离工作负载、HyperPod Task Governance 做公平资源分配、命名空间级成本分摊实现按团队计费。
AWS Machine Learning BlogAI 评分4545 Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 校验重塑 RAG 访问控制
Amazon Quick 和 Amazon Bedrock Knowledge Bases 采用实时 ACL 校验，在查询时直接向 Google Drive、SharePoint 等权威源验证权限，叠加在原有的预检索过滤之上。
NVIDIA Developer BlogAI 评分3232 NVIDIA 如何教机器人组装 GB300 测试托盘
NVIDIA 分享了教机器人组装 GB300 测试托盘的经验，GB300 是支撑现代基础模型训练与推理的 Grace Blackwell 超级芯片，其托盘组装目前依赖全球工厂的技能型体力劳动。文章围绕这一过程讨论了机器人学习、机械智能与工程实践。
The Pragmatic EngineerAI 评分3030 Sam Newman 谈微服务为何是"最后手段"，以及构建韧性分布式系统的三条规则
《Building Microservices》作者 Sam Newman 在新书中提出分布式系统三条规则：信息传输需要时间、依赖的资源可能不在线、资源终会耗尽，并称多数故障源于资源池耗尽。
AWS Machine Learning BlogAI 评分3232 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和开源智能体编排框架 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，缩短 78%。该系统还把数据库生命周期操作从 10 多个手动步骤压缩为 1 次自然语言交互，冗余告警中位数减少 65%，SRE 与数据团队之间的 15 分钟报告延迟降为实时。该三
AWS Machine Learning BlogAI 评分1818 AWS 发布 AI 构建者培养手册：六周让非工程背景员工造出多智能体应用
AWS 推出六周结构化培养项目，让非工程背景的业务人员用 Amazon Bedrock、Bedrock AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。
AWS Machine Learning BlogAI 评分3232 用 AWS DevOps Agent 自动执行事后修复
通过 Amazon EventBridge、AWS Lambda Durable Functions 和 Amazon Bedrock，可以把 AWS DevOps Agent 的事故调查结果转成待审批的修复方案，实现修复工作流自动化。
AWS Machine Learning BlogAI 评分2626 告别"节省工时"：如何为智能体自动化构建商业论证
AWS 提出 Agentic Value Model 框架，主张传统 ROI 模型低估了智能体自动化的价值，应从时间节省、异常处理、决策质量、变更韧性与维护成本四个维度衡量。框架引用 McKinsey 的"1:3:5"投入比例，并给出错误修正成本为原始交易 1.5–4 倍、人为错误占运营成本 2–15% 等规划区间。文中以年处理 20 万件理赔的流程为例演示测算。
NVIDIA Developer BlogAI 评分2525 NVIDIA：用数字孪生与 AI 智能体验证 AI 工厂变更
NVIDIA 提出用数字孪生与 AI 智能体验证 AI 工厂的变更。AI 工厂融合 GPU、CPU、交换机、DPU 与 SuperNIC，并叠加大规模调度器、编排服务和安全控制。面对快速迭代的软件栈，验证基础设施、软件与策略能否协同支撑目标负载同样棘手。
NVIDIA Developer BlogAI 评分2525 NVIDIA Megatron Core 实现可扩展的逐位确定性预训练
NVIDIA Megatron Core 支持可扩展的逐位确定性预训练，让大规模预训练更易调试、验证和可复现地恢复。在数千块 GPU 上训练万亿参数模型时，多种并行维度、低精度计算和分布式 checkpointing 会加大故障复现与修复验证难度。