Anthropic 称过时的提示词习惯拖慢 Claude Opus 5.5
Anthropic 表示，用户从旧模型沿用的一些提示词习惯会拖慢 Claude Opus 5.5，建议先删掉“think hard”这类措辞，因为该模型会自行推理，并按任务和所选 effort 等级调整推理深度。
#教程/实践
#教程/实践
今日 0 条11月15日
11月14日
Amazon Bedrock AgentCore runtime 快速会话启动的架构模式
Amazon Bedrock AgentCore runtime 的 platformVersion "V2" 改为在创建或更新时一次性构建快照，新会话直接恢复快照，不再每次拉取容器镜像，会话启动更快更稳定。
在 Amazon Bedrock 上用 NVIDIA NeMo Switchyard 为编码智能体请求路由到合适的模型
NVIDIA NeMo Switchyard 是一个开源库，可让 AI 智能体为每个请求选择由哪个模型处理，其 LiteLLM 集成支持 Stage 路由（读取请求历史中的工具活动与结果，在两个候选模型间选择）和 Random 路由（按权重分流做 A/B 对比）。
GS Caltex 如何用 Amazon SageMaker Canvas 与 Pipelines 实现生产级 MLOps（第一部分）
GS Caltex 将 SageMaker Canvas 中由工艺工程师无代码构建并验证的模型，接入 SageMaker Pipelines 的生产工作流，实现每 30 分钟一次的批量推理。
AssemblyAI 如何用 Amazon EC2 Spot 优化 AWS 上的语音转文字推理成本
AssemblyAI 在 AWS 上以 Amazon ECS 结合 EC2 Spot 与 On-Demand 混合的 GPU 集群运行语音转文字推理，通过 Amazon SQS 队列重试机制吸收 Spot 中断，在维持 SLA 的同时显著降低成本。
用 SimReady 资产在 Isaac Sim 中搭建机器人抓取放置仿真
Hugging Face 发布教程，演示如何用 SimReady Central 上的 UR17G 机械臂、Robotiq 2F-140 夹爪和饮料罐资产，在 Isaac Sim 6.2 中组装场景并完成抓取放置任务。
用 Amazon SageMaker HyperPod Data Capture 构建模型改进飞轮
Amazon SageMaker HyperPod 新增 Data Capture 能力，可在端点、负载均衡器和模型 Pod 三个独立层级把线上推理输入输出记录到 Amazon S3，对模型可用性零影响。文章以 Qwen2.5-3B-Instruct 家电客服路由模型为例，用 Athena 查询发现新产品盲区、SQL 策略打标后微调，并在部署后新增数据上对比前后准确率。
Amazon Bedrock 如何实现 AI 开发与生产力工具的成本归因与管控
Amazon Bedrock 提供零埋点的成本归因能力，把每次推理调用追溯到发起调用的 IAM 主体，并将身份与组织标签写入 CUR 2.0 和 Cost Explorer。
11月13日
一次构建、多智能体通用：Agent 技能实践指南
GitHub 发布 Agent 技能实践指南，说明技能是以 SKILL.md 为核心的版本化目录，用于记录可重复任务的执行方式，并可跨智能体共享。文中以 Proof Agent 和 Data Forge 为例，展示多个技能如何通过 manifest 共享项目上下文、统一数据平台访问路径，并在七个阶段各设人工检查点。
影响 Amazon Bedrock 成本的四个推理选项
Amazon Bedrock 的缓存时长、服务层级、推理强度和 maxTokens 四项请求级设置会在不改模型和提示词的情况下影响推理成本。以 Claude Sonnet 5 和 Claude Opus 5 为例，5 分钟缓存写入按输入价 1.25 倍计费、1 小时写入 2 倍、缓存读取 0.1 倍，1 小时缓存需每小时至少 3 次请求才划算。
用 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关
AWS 展示了一套基于 Amazon Bedrock Application Inference Profiles 与 LiteLLM 的自助式 LLM 网关方案，将 Bedrock 封装为 OpenAI 兼容 API，开发者用单一 base URL 和专属 API key 即可接入 Claude Sonnet、Claude Haiku 等模型。
在 Amazon Bedrock 上优化单任务成本并证明智能体 ROI
AWS 提出以“单任务成本”而非“单 token 价格”衡量 Amazon Bedrock 上的智能体开销，并给出缓存、路由、输出约束等降本手段。示例中列表价高 2 倍的 Model B 因 tokenizer 更省、输出更精简、单轮完成，单任务成本为 $0.00145，比 Model A 的 $0.0042 低 65%。文章还给出以人工基线、留出实验和五维记分卡衡量智能体 ROI 的方法。
用 CUR 2.0 和 AWS Budgets 按 IAM 主体追踪并限制 Amazon Bedrock 支出
AWS 给出无需自写代码的方案，按 IAM 主体追踪并限制 Amazon Bedrock 生成式 AI 支出：Bedrock 自动记录每次推理请求的 IAM 用户或角色身份，配合 principal tags 或会话标签区分共享角色下的具体用户。
从原型到生产：用 Agent DLC 工程化 AI 智能体
AWS 提出 Agent Development Lifecycle（Agent DLC），用一个生命周期、两个循环和统一验收标准来判定智能体的每次变更是否可上线。
Amazon Bedrock Managed Knowledge Base 工具的细粒度访问控制方案
针对智能体代用户检索内部文档时的越权风险，该方案在 Amazon Bedrock AgentCore Gateway 工具层用请求拦截器从已验证 JWT 中注入 userContext，再由 Managed Knowledge Base 的 ACL awareness 按用户权限过滤文档。
在 AWS 上用 A2A 构建可组合、可互操作的多智能体系统
AWS 发布基于 A2A 协议的多智能体参考架构，让 LangChain 企业编排器与 Strands Agents 构建的 SaaS 合规智能体跨 AWS 账户、跨组织边界协作，双方不依赖对方框架或 SDK 且不共享密钥。
11月12日
Hugging Face 发布 TRELLIS.2 3D 生成模型微调指南
Hugging Face 发布 TRELLIS.2 3D 生成模型的微调脚本与容器，可在本地或 Hugging Face Jobs 上运行。方案用 PEFT 库为稀疏结构流 DiT 和形状流 DiT 添加 LoRA 适配器，冻结材质生成阶段，在 GSO 数据集 188 个鞋类对象上改善鞋底几何精度。
在 Amazon SageMaker HyperPod 上检测并恢复静默数据损坏
Amazon SageMaker HyperPod 通过在 PyTorch DDP 训练循环中加入三项检查来检测静默数据损坏（SDC）：非有限梯度检查捕获 NaN/Inf，环形重放审计比对另一节点重算的 loss 与梯度指纹，权重指纹比对发现优化器步骤与存储权重中的损坏。
用反合一（anti-unification）对形式化策略做语义 diff
开源引擎用反合一（anti-unification）在 e-graph 上计算两条形式化策略的最具体公共模式，把相同部分只展示一次、差异部分并列保留，从而过滤掉重排合取项、等价谓词等语法噪声。
OpenAI Codex 如何通过 Amazon Bedrock 接入企业 AWS 环境
OpenAI Codex 可通过 Amazon Bedrock 调用 GPT-5.6 Sol 等模型完成推理，同时沿用企业现有的 AWS IAM、区域和可观测性体系。
用 Amazon Bedrock 和 Spring AI 构建自主 AI 智能体
Java 团队可借助 Spring AI 与 Amazon Bedrock AgentCore 构建自主 AI 智能体，实现规划、工具调用与多轮对话记忆。文中给出两个示例系统：单一智能体旅行助手演示工具调用与记忆，多智能体智能文档处理（IDP）系统由 Lawyer、Mortgage、Insurance、Tax、General 五个专家智能体配合规则引擎与告警运行。
用推送式架构自动更新 AWS Agent Registry
AWS 提出一种事件驱动架构，用 CloudTrail、EventBridge 和 Lambda 自动把 MCP server 的工具与 schema 变更同步到 AWS Agent Registry。
AWS 推出 23 个可复用生成式 AI 资产目录，开发周期从数月缩短至数周
AWS Generative AI Innovation Center（现属 AWS Frontier AI Engineering & Services）发布 23 个生产级可复用资产目录，覆盖 RAG 流水线、文档处理、智能体脚手架等组件，可将开发时间从数月缩短至数周。
AWS Quick 如何用 AI 驱动的产品开发生命周期（AI-PDLC）加速产品研发
AWS Quick 推出 AI-PDLC 框架，用六个专用智能体覆盖产品开发上游的 Discover、Decide、Design、Prototype 四个阶段，每个阶段都设有人工审批关卡。
11月11日
面向多向量嵌入模型的 Token Pooling 感知训练
Hugging Face 博客介绍多向量嵌入模型的 Token Pooling 感知训练：在 pool_factor=4、文档向量减少 4 倍时，常规训练模型保留未池化 NanoBEIR nDCG@10 的 94.6%，感知训练将保留率提升至 97.8%。
用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监控
Amazon Bedrock AgentCore 的 Web Search API 现已可用，通过单次 API 调用返回带标题、URL、发布日期和摘要的实时网页结果，查询由 Amazon 自建索引处理、不经过第三方搜索引擎。
Amazon Bedrock AgentCore Evaluations 智能体评估指南：内置、DeepEval 与 AutoEval 评估器
Amazon Bedrock AgentCore Evaluations 提供内置、DeepEval 和 AutoEval 三类评估器，内置评估器由 AWS 编写并经过质量测试，共 16 个，覆盖响应质量、任务完成、工具使用、技能和安全五个维度。
Amazon Bedrock tokenomics 数据湖：集中观测跨账户模型调用
AWS 发布 Amazon Bedrock 调用观测数据湖方案，通过 CloudWatch 日志订阅将多账户的模型调用日志汇聚到中心账户，经 Data Firehose 转成 Parquet 写入 S3，再用 Athena 统一查询。
11月10日
Anthropic 文档：如何提示 Claude Fable 5.2 处理代码归属
Anthropic 文档指出，Claude Fable 5.2 对提示词中代码归属的表述高度敏感。在小型编码任务测试中，若提示词未说明归属或把代码库描述为他人所有，模型倾向于沿用现有结构，即使会重复已有代码。若明确告知“这个代码库是你的”，模型约有一半尝试会合并重复代码，而无此提示时该比例不足十分之一。
用 Claude 定位神秘蜂鸣声：Beep Locator 如何找到源头
Simon Willison 用 Claude Code 构建 Beep Locator，通过多设备三角定位将神秘蜂鸣声锁定在约 40cm 范围内，最终找到一台电量耗尽的旧一氧化碳探测器。
CrossnoKaye 如何用 Amazon Bedrock AgentCore 落地工业物理 AI
CrossnoKaye 基于 Amazon Bedrock AgentCore 构建工业物理 AI 系统 AURA，与其软件定义自动化平台 ATLAS 打通，覆盖 100 多个工业设施和 13,000 台受控设备。
基于 Amazon Bedrock AgentCore 的可插拔 Agentic AI 框架：七层可组合企业级智能体参考架构
AWS 提出 Pluggable Agentic AI Framework，一套运行在 Amazon Bedrock AgentCore 上的七层可组合企业级 Agentic AI 参考架构，覆盖数据与知识、模型与推理、编排、安全与护栏等层。
11月9日
Simon Willison 用 details/summary 标签折叠 AI 生成的 PR 描述
Simon Willison 提出用 HTML 的 details/summary 标签把 Claude Code 或 Codex 生成的冗长 PR 描述折叠起来，只保留一段人工把关的高层说明。
Simon Willison 用 Claude Opus 5.5 将 Three.js 3D 项目移植为原生 JS
Claude Opus 5.5 在普通 Claude Chat 中把 Simon Willison 用 Three.js 制作的 3D 项目移植成了 Vanilla JS + WebGL 版本，无需 Three.js 也能完成 3D 建模。两个版本并不完全一致，Claude 在对话记录中解释了差异原因。Willison 认为 Three.js 版本代码更易读，但他很少查看这类 3D 项目的代码。
用 C 与 Rust 实现 SQLite 扩展 parse_number() 的性能对比
四个 SQLite 扩展分别用 C 和 Rust 实现相同的 parse_number() 行为，优化后的 C 版本每行耗时 16–19 ns，约为 Rust 版本的两倍速度，也远快于 SQL 的 replace()。
斯坦福如何教授 AI 原生工程：Mihail Eric 谈 CS146S 课程与 Monaco 的智能体实践
斯坦福 CS146S 课程在第二期引入开源维护者参与教学，学生需学习陌生代码库、提出修改并向可能合并代码的维护者解释补丁。授课者 Mihail Eric 同时负责 Monaco 的 AI 工作，他披露团队自建智能体工作区、外购代码审查工具，并让值班智能体接入 Datadog 与 GitHub。他总结的原则是“买来学习，自建来保留”。
斯坦福如何教授 AI 原生工程——对话 Mihail Eric 与 Monaco
斯坦福 CS146S 课程讲师、Monaco AI 负责人 Mihail Eric 在访谈中介绍了这门十周课程的新调整：学生作业改为向开源项目提交补丁，由仓库维护者亲自评审。
11月8日
NYT Cooking 的 AI 助手实测：救了我的工作日晚餐，却差点毁了我的蛋糕
NYT Cooking 面向订阅用户推出 iOS 端 AI 助手，可基于用户评论训练、按现有食材改写菜谱并高亮标注改动。实测中它把一道缺料的一锅姜味鸡肉饭改成用鸡柳、四季豆和红洋葱的版本，成品获认可；但在做蛋糕时它差点让作者只放一半所需黄油。该助手不会改动原菜谱，而是另生成新版本，编辑称其已被训练为拒绝会导致难吃的请求。
11月7日
GitHub 开发者指南：从代码生成走向智能体工程
GitHub 发布开发者指南，提出智能体工程需覆盖 Plan、Build、Verify、Observe 四个阶段。GitHub 单周提交量已超 12 亿次，同比增长逾 400%；Faros AI 研究显示团队 AI 采用率从低升到高后，PR 评审耗时增加 441%。
在 Amazon Bedrock AgentCore 上以安全控制将 Claude Code 扩展至远程会话
示例项目 sample-remote-coding-agent 将 Claude Code 作为远程智能体运行在 Amazon Bedrock AgentCore 上，每个任务在独立 AgentCore runtime 会话的 microVM 中执行，最终返回 GitHub pull request 供审阅合并。