用 Amazon Bedrock AgentCore 构建自改进文档处理系统
亚马逊云科技发布基于 Amazon Bedrock AgentCore 的智能体文档处理(IDP)方案,用 8 个专用智能体组成识别与训练两条图工作流,自动分类、提取、校验并从新文档格式中学习。
亚马逊云科技发布基于 Amazon Bedrock AgentCore 的智能体文档处理(IDP)方案,用 8 个专用智能体组成识别与训练两条图工作流,自动分类、提取、校验并从新文档格式中学习。
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动生成客户 PowerPoint 演示文稿,内部测试中完成时间不到 90 秒。
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami,可自主调查 CNAPP 等来源的安全发现并评估修复安全性,再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超 90%,且未引发任何生产问题。Tami 通过单一 API 为调查、安全评分、修复、代码生成四类智能体分别调用最合适的模型。
Amazon SageMaker JumpStart 提供预训练模型目录,可按可复用 Python 脚本完成部署、用示例提示词测量延迟与单请求生成速率,并在测试后删除端点。
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器,替代此前的 LLM 流水线,用户告警接受率提升 11.5%,推送后扫描执行时间中位数降低 86%,服务成本降低 98% 以上。该方案采用两阶段流水线:先用正则高召回生成候选,再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭证。效率提升使通用密钥检测得以扩展到推送保护,在推送被接受前即可返回结果。
Amazon Bedrock 的托管权益(managed entitlements)支持从中心账户一次订阅、向组织内多账户分发第三方模型访问权限。AWS 提供两条激活 AWS Marketplace 私有定价优惠(MPPO)权益的路径:轻量脚本用于一次性激活,CDK 自动化通过 EventBridge 和 Lambda 持续处理协议事件、校验卖家并创建分布式授权。
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI,可将自然语言问题转换为 Sonar 查询。
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 问题、识别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%。
SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线,支持可配置推理强度、工具调用和结构化输出,提供 500K token 上下文窗口。
推荐理由:AWS 官方给出 Grok 4.7 在 Bedrock 上的实测数据,读者可据此为智能体各步骤选择推理强度并控制 token 成本。
针对 MoE 模型在 decode 阶段因 token 行数过少导致 Hopper GPU 利用率低的问题,AWS 通过 Swap-AB 转置让专家维度 N=8192 占据 WGMMA 首个操作数位置,在 H200 上为大规模 MoE 模型带来 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。
Amazon Bedrock 面向亚太五个 AWS 区域开放 OpenAI GPT-6 Sol、GPT-6 Luna 和 GPT-6 Astra 的全球跨区域推理,调用时用 global cross-Region inference profile ID 替代模型 ID。
GitHub Copilot 提供四种方式让 Copilot 理解项目上下文:自定义指令(.github/copilot-instructions.md 及 .github/instructions 下的路径级指令)。
AWS 发布 llama.cpp 专用深度学习容器(DLC),可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管方式部署量化模型,并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
AWS 发布面向多节点部署的 Ray LLM Deep Learning Containers,可在 Amazon EKS 上用两个 GPU 节点部署单个大语言模型,将 prefill 与 decode 分离并统一在一个 OpenAI 兼容端点之后。
Postman 披露其 Agent Mode 在 Amazon Bedrock 上支撑 4000 万开发者的生产架构,用向量数据库把 170 多个工具按任务动态收窄到约 15 个,并隔离执行线程。团队发现可见工具集超过约 40 个后工具选择错误上升,因此把上下文而非能力视为主要瓶颈,同时用 Amazon Bedrock Guardrails 在进入 LLM 前脱敏个人信息。
Amazon SageMaker HyperPod 发布多租户参考架构,让多个团队共享同一套 EKS GPU 集群。
LegalOn 将 Codex 每日预估成本降低 65%,同时保持开发速度。其做法是按任务匹配 Astra、Sol 和 Luna,并对预算进行策略性管理。
OpenAI 发布 GPT-6 家族模型指南,面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用,并为生产环境准备工作流。
GitHub 提出 AI 时代开发者应强化的三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明其用第二个模型对计划、代码和测试进行批判性审查,以发现首个模型遗漏的问题。
GitHub Copilot 应用中的 canvas 是一种可自定义界面,用户和智能体共享同一份状态,可做成看板、issue 分诊板、发布清单、仪表盘、表单甚至表格。
推荐理由:原文给出用 /create-canvas 从自然语言描述生成可双向协作界面的完整步骤,可迁移到自定义工作流搭建。
GitHub Copilot 提出 canvas 概念:一种运行在 GitHub Copilot 应用内、无浏览器外壳的全栈小应用,可与 agent 双向通信,也能调用第三方 API 并在本地执行代码。