跳到正文

#教程/实践

今日 0 条

11月7日

星期六
  1. 基于 Amazon ECS Fargate 的无服务器 MCP server,为 AI 智能体提供数据湖访问

    亚马逊 NASC 团队在 Amazon ECS Fargate 上构建了无服务器 MCP server,作为 AI 智能体访问企业数据湖的集中式网关。新增数据集只需一个 JSON 元数据文件,由服务在下次管道同步时自动发现,无需为每个数据集编写集成代码。该架构支持任意 MCP 兼容客户端调用同一套工具,并在 MCP server 层集中执行权限控制,测试中端到端交互延迟保持在 15–20 秒。

  2. AWS Quick 中的智能体原语分类体系

    AWS Quick 团队提出一套智能体原语分类体系,用 When、What、Who、How 四个问题拆解智能体工作,对应触发器、智能体与能力三层结构。触发器分人类发起、智能体委派、定时和事件驱动四类;智能体被定义为持久学习型执行者,由指令、能力和学习上下文构成。能力涵盖工具、技能和工作流,按智能体自主程度与确定性程度排列。

11月6日

星期五
  1. Amazon Marketplace 如何用 Amazon SageMaker AI 评估内容质量

    Amazon Marketplace 用视觉语言模型(VLM)将完整商品详情页渲染为单张快照做整体质量评估,再把 VLM 语义评分与 OCR 可读性信号输入基于专家标注训练的 CatBoost 分类器,并用 SHAP 解释评分、生成改进建议。该多模型融合方案在 Amazon SageMaker AI 上实现从数据接入、标注到模型托管与生产监控的端到端流水线。

11月5日

星期四

11月4日

星期三

11月3日

星期二
  1. 在 Amazon SageMaker AI 上用知识蒸馏构建高效智能体

    亚马逊云科技介绍如何用序列级知识蒸馏(SeqKD)在 Amazon SageMaker AI 上微调购物智能体:由前沿教师模型生成多步工具调用轨迹,仅保留能解题的样本,再以监督微调训练小模型。SeqKD 只需教师模型的文本输出,无需 logits 或强化学习基础设施,因此适用于仅提供 API 的闭源教师模型,并可将轨迹数据复用于训练和测试不同学生模型。

11月1日

星期日

10月31日

星期六

10月30日

星期五
  1. MoEngage 如何用 AgentCore Gateway 将 400 多个 API 变成智能体工具

    MoEngage 借助 Amazon Bedrock AgentCore Gateway 把约 400 个 VPC 私有 REST API 转成权限受控的智能体工具,节省约六个月平台工程投入,新 API 接入从数天缩短到数小时。该方案无需编写 MCP server 代码、不暴露公网端点,由 AI 平台团队统一维护 MCP 层,各工程团队只需提供 OpenAPI spec。

  2. 用 Kiro 构建可重复的 PHP 到 Java 迁移引擎

    Kiro 提供了一套可重复的 PHP 到 Java 迁移引擎,把原 PHP 应用当作规格说明,通过共享方法论、机械式发现扫描器和八阶段工作流推进迁移,并用 parity harness 验证 Java 移植版行为一致后才判定正确。同一套 skill 文件既可在 Kiro 中交互式逐应用执行,也可交给 AWS Transform 以智能体方式并行处理多个应用。

10月29日

星期四
  1. 用 Amazon Nova Act 实现智能体 QA 自动化:应用与团队权限管理

    Amazon Nova Act 构建的 QA Studio 新增“应用”与“基于团队的用户管理”两项能力,用于在组织内规模化扩展测试自动化。应用作为测试容器按环境记录执行结果并生成 0–100 健康分,对不稳定测试扣分,支持 7 天按小时、30 天按天查看趋势。权限分 Admin、Team Lead、Editor、Executor、Viewer 五级,应用归属单一团队,其他团队不可见。

10月28日

星期三
  1. Exowatt 用 SageMaker 无服务器模型定制,精度超越前沿模型且成本低至 1/49

    Exowatt 借助 Amazon SageMaker AI 无服务器模型定制,为边缘和云端两个部署目标微调出任务专用模型,精度超过前沿模型,成本最高降低 49 倍。其边缘告警分诊基于 Qwen3-1.7B,云端能源市场分析基于 Qwen3-14B,后者通过 Amazon Bedrock Custom Model Import 托管。该流程将原始运营数据到已评估部署产物的路径从数月缩短到数天。

  2. Property Finder 如何修复评估偏差,在 Amazon Bedrock 上选出更优模型

    Property Finder 发现其评估标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验,导致任何替代模型在对比中结构性吃亏。团队重新人工标注 356 张 UAE 图像并改用多标签分类,结合 v0 到 v27 的提示词迭代优化,在 Amazon Bedrock 上选出新模型,准确率更高且成本降低 86%。

10月27日

星期二

10月24日

星期六
  1. Battledrones v14 新增 Compass Rose 四人地图

    Battledrones v14 加入首张四人地图 Compass Rose,由 Claude Opus 4.5 生成并改造 WebSocket 多人网络代码以支持最多四名玩家。新地图具备四向旋转对称,支持最多四个 AI 玩家,空位由 AI 补足,玩家可通过分享链接或二维码加入。新增紫色和绿色机器人队伍,与原有蓝红两队并存。