全部 AI 动态 · AI 热点

6月30日

01:58

AWS Machine Learning Blog@Anuranjan Mondal

精选

PAR 在 AWS 上构建了一个生产级多租户 LLM 分析系统，通过三层架构强制执行行级安全：使用 AWS SigV4 进行加密请求签名、在 Amazon Bedrock 上进行语义验证、以及通过 Split-Plane SQL 实现程序化数据隔离。每层独立运行以降低跨租户数据暴露风险，即使 LLM 本身被攻破或操纵也能保护数据。

技巧 AWS Amazon Bedrock 多租户行级安全 AI安全

推荐理由：AWS 这篇教程手把手教你用 Bedrock 和 Split-Plane SQL 搭建多租户 LLM 分析系统，三层隔离防止数据泄露，值得做企业级 AI 安全的开发者看看。

原文

01:57

AWS Machine Learning Blog@Sanghwa Na

精选

AWS 博客展示如何用 Amazon Nova 2 Lite 和 Claude Sonnet 4.6 构建两模型管道，用于扫描文档的数字化。Nova 2 Lite 在单次调用中完成多模态提取（检测照片、提取姓名坐标、返回页面元数据）。Claude Sonnet 4.6 根据版面布局进行空间推理，将姓名和面孔匹配。该管道在 Amazon Bedrock 上运行，通过分工降低总处理成本。

技巧 Amazon Nova 2 Lite Claude Sonnet 4.6 Amazon Bedrock 文档数字化多模态

推荐理由：用 Nova 2 Lite 做粗提取，Claude Sonnet 4.6 做精准匹配，文档数字化省心又省钱。

原文

01:56

AWS Machine Learning Blog@Troy Parrett

精选

本教程展示如何结合Amazon Bedrock Data Automation自动提取医疗理赔表单数据，再通过Amazon Bedrock AgentCore托管AI代理进行验证并转换为FHIR资源存入AWS HealthLake。该端到端工作流可减少人工处理流程，同时通过自动化校验保持数据准确性。文中逐步讲解每个组件的配置与集成方法。

技巧 Amazon Bedrock AWS HealthLake FHIR 智能体医疗数据

推荐理由：AWS官方手把手教你搭医疗理赔流水线，用Bedrock自动抽数据、转FHIR格式存HealthLake，能省不少人工核对时间。

原文

01:33

AWS Machine Learning Blog@Joshua Lacy

精选

本文介绍如何使用Amazon Bedrock AgentCore的内置可观测性功能调试生产环境中的智能体故障。文章涵盖常见的故障模式，如无限循环和工具调用失败。通过追踪和指标分析智能体行为，并提供结构化工作流来解决问题。本文是两部分系列的第一部分，第二部分将讨论性能优化和内存管理。

技巧 Amazon Bedrock AgentCore 可观测性智能体工具调用

推荐理由：AWS博客教你用Bedrock AgentCore内置观察功能排查生产智能体故障，比如无限循环和工具调用失败，省去自己搭建监控的麻烦。

原文

6月26日

23:03

AWS Machine Learning Blog@Amaan Babul

精选

Cara利用Amazon Bedrock和Amazon SageMaker构建了面向企业保险经纪的领域特定AI平台。该平台通过微调基础模型，实现了对保险条款的精准理解和文档自动处理。Cara已为多家经纪公司部署，将重复性文档工作自动化，并提升了风险分析效率。这一方案在保证数据安全的同时，显著降低了人工成本。

AI产品 Cara AWS Amazon Bedrock Amazon SageMaker 领域专用AI

推荐理由：Cara结合AWS造了保险经纪专用AI，能自动看保单、做分析，省时省力，适合行业公司试试。

原文

00:57

AWS Machine Learning Blog@Aurelio DeSimone

精选

AWS发布了Chaplin开源方案，利用AI代理通过模型上下文协议（MCP）提供自助健康事件分析。Chaplin基于Amazon Bedrock，可自动聚合AWS Health事件并提供可操作建议。该方案支持自然语言查询，无需编写复杂代码即可洞察AWS资源健康状态。用户可快速部署并自定义MCP服务器来扩展分析能力。

技巧 Amazon Bedrock Chaplin MCP 智能体 AWS服务

推荐理由：AWS出了个叫Chaplin的开源工具，用Bedrock的AI代理配合MCP协议，让你自然语言查AWS健康事件，不用写代码就能找到问题原因。

原文

6月24日

01:00

AWS Machine Learning Blog@Yuan Tian

这篇博客展示如何用Amazon Bedrock AgentCore构建一个对话式蛋白质研究助手。它通过自然语言解析提取结构化搜索参数，基于蛋白质语言模型进行向量相似性搜索。搜索结果会自动生成AI科学摘要，无需手动编码查询逻辑。整个过程涵盖查询解析、向量检索和摘要生成三步。

技巧 Amazon Bedrock 蛋白质研究智能体 RAG

推荐理由：想建一个能聊蛋白质研究的智能助手？这篇教程用Bedrock AgentCore教你搞定，自动解析问题、向量搜蛋白质，还能生成摘要。

原文

00:09

AWS Machine Learning Blog@Ashley Chen

精选73°

本文介绍了使用Amazon Bedrock AgentCore实现生产级多租户系统的池模型模式。通过医疗AI代理示例，展示了为多个诊所和医院构建共享基础设施但隔离租户的架构。该方法可降低运营成本，同时保证每个租户的数据隔离与安全。读者将掌握具体实现步骤与最佳实践。

技巧 Amazon Bedrock AgentCore 多租户池模型医疗AI

推荐理由：AWS这篇博文手把手教你用Bedrock AgentCore做多租户，共享底层资源又能隔离租户数据，适合医疗等SaaS场景，比自己折腾省心多了。

原文

6月23日

02:04

AWS Machine Learning Blog@Guy Bachar

精选

Ampersend 在 Amazon Bedrock AgentCore Payments 之上构建了一个按智能付费的路由层，让 AI 代理自动将任务路由到最有效的模型并按请求付费。该方案支持在预算内运行，并实现了双跳支付模式端到端工作。文章还提供了如何开始实施的具体步骤。

技巧 Ampersend Amazon Bedrock AgentCore Payments 智能体按需付费

推荐理由：想给 AI 代理按请求计费？看 Ampersend 怎么用 Bedrock AgentCore 做自动路由，还能控预算。

原文

00:48

AWS Machine Learning Blog@Gilbert V Lepadatu

精选

AWS博客介绍了基于Amazon Bedrock和OpenSearch Serverless构建的可搜索航空影像系统架构。团队使用OpenStreetMap地面实况数据设计了四项实验，对比了嵌入模型、融合策略、字幕生成和搜索方法。其中Amazon Nova Multimodal Embeddings在基准查询中取得了最高的F1分数。该系统最终演变为Vexcel Intelligence产品，为地理空间语义搜索提供了实用指导。

AI模型 Amazon Nova Multimodal Embeddings Amazon Bedrock OpenSearch Serverless 多模态地理空间搜索

推荐理由：AWS用Amazon Nova做航空影像搜索，F1分数最高，想搞地理空间搜索的可以参考他们的实验设计。

原文

6月19日

01:49

AWS Machine Learning Blog@Kosti Vasilakakis

精选

Amazon Bedrock AgentCore harness现已正式可用，仅需CreateHarness和InvokeHarness两个API调用即可在数秒内启动一个智能体。该智能体运行在隔离环境（含文件系统和shell）中，可安全读写文件、运行命令和编写代码。它支持跨会话记忆用户和对话，接入AWS策展的技能目录，通过网关或MCP调用工具，并能在不丢失上下文的情况下中途切换模型提供商。每个步骤实时流式传输并自动追踪到Amazon CloudWatch，无需编写编排代码或构建容器。

AI产品 Amazon Bedrock AgentCore AWS 智能体 MCP/工具

推荐理由：AWS又出新东西了，AgentCore harness让你只用两个API，几秒就能跑起一个能读文件、写代码、浏览网页、换模型的智能体，还自带追踪和托管环境，省心得很。

原文

6月17日

23:47

AWS Machine Learning Blog@Madhu Parthasarathy

精选71°

Amazon Bedrock AgentCore新增多项能力，支持连接组织、网页和付费知识源，扩展智能体的知识范围。新工具帮助团队在生产环境中定位和修复问题，并实施随智能体能力提升自动扩展的控制机制。这些功能使开发者能更快构建更强大的智能体，并以规模化方式治理和持续改进。

AI产品 Amazon Bedrock AgentCore 智能体知识源持续学习

推荐理由：AWS刚更新了Bedrock AgentCore，现在能连更多知识源，还加了监控和自动控制，做智能体更省心了。

原文

06:55

AWS Machine Learning Blog@Sandeep Singh

精选

Amazon Bedrock Guardrails 推出了 InvokeGuardrailChecks API，允许在代理式AI应用的任意阶段独立应用安全检查，无需预先创建护栏资源。该API支持内容过滤、敏感词检测等安全策略。开发者可以将其集成到多轮对话流程中，动态检查用户输入和模型输出，保障应用安全。文章提供了Python代码示例，演示如何调用此API实现安全守护。

技巧 Amazon Bedrock Guardrails InvokeGuardrailChecks 智能体 AI安全

推荐理由：AWS 出了个新 API，能在智能体对话流程里随时加安全检查，不用提前配规则，挺实用。

原文

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

09:37

AWS Machine Learning Blog@Aris Tsakpinis

精选

Google DeepMind 发布的 Gemma 4 开源权重模型系列现已在 Amazon Bedrock 上可用。该系列包含三个指令调优变体：Gemma 4 31B（密集架构）、26B-A4B（MoE 架构，每次激活 4B 参数）和 E2B。所有变体均支持内置推理、原生函数调用以及文本和图像多模态输入。模型基于 Apache 2.0 许可发布，旨在多种部署场景下实现每参数智能最大化。

AI模型 Gemma 4 Amazon Bedrock Google DeepMind 开源模型多模态

推荐理由：Google DeepMind 把最新的 Gemma 4 放到 AWS 上了，三种规格可选，带推理和图文理解，正好拿来玩开源项目。

原文

6月13日

11:13

AWS Machine Learning Blog@Anton Selin

精选

Rocket Close使用Strands Agents、Amazon Bedrock、Amazon Bedrock Knowledge Bases和MCP工具构建了Supercharger解决方案，用于优化产权运营。该方案通过LLM驱动的智能体自动化处理产权搜索和文档分析，减少了人工操作。Rocket Close在实施后实现了运营效率提升，具体数字未公开。技术栈选择基于Amazon Bedrock的托管服务和MCP工具集成，简化了开发流程。

AI产品 Strands Agents Amazon Bedrock Rocket Close MCP/工具智能体

推荐理由：看Rocket Close如何用智能体搞定产权运营

原文

6月12日

23:01

AWS Machine Learning Blog@Charles Meruwoma

AWS 发布了一篇博客，详细介绍了如何利用 Amazon Bedrock 的托管服务 BDA（Bedrock Data Automation）构建智能文档处理管道。该管道能自动从 PDF 等文档中提取和分析内容，并通过 Strands Agent 协调专门任务，结合 Bedrock Knowledge Base 实现多文档的上下文理解。这一架构旨在以低成本、可扩展的方式，让企业无需大量开发即可将文档处理流程智能化。对于需要处理大量合同、报告或表单的团队，这提供了一条直接可用的路径。

AI产品 AWS Amazon Bedrock 文档处理智能体知识库

推荐理由：做文档自动化或知识管理的团队，可以直接用 AWS 这套架构把 PDF 处理流程跑通，省去自己搭模型和管线的麻烦。

原文

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

03:40

AWS Machine Learning Blog@Tim Shear

精选

AWS博客展示了一个智能文档处理管道，结合了Amazon Bedrock的按需推理和批量推理两种选项。该管道允许用户根据文档处理时间和成本灵活选择推理模式。按需推理适用于实时处理请求，而批量推理则适合大规模文档处理。这种设计让用户能够动态调整管道以适应不同场景需求。

技巧 Amazon Bedrock 按需推理批量推理文档处理

推荐理由：AWS教你灵活管理文档处理成本与时间

原文

6月11日

15:28

AITOP6月11日 15:28

1107 vs 303：谷歌悄悄开源了一个“拆打字机”的模型，把大模型速度翻了4倍

15:23

AITOP6月11日 15:23

DiffusionGemma颠覆文本生成？自回归模型的“统治”要结束了

15:07

AITOP6月11日 15:07

每秒1107个token，Google开源的扩散模型为什么能改变本地推理格局？

05:41

Claude Code: GitHub Releases@ashwin-ant

Claude Code 发布 v2.1.172 版本，核心更新是子智能体现在可以递归生成自己的子智能体，最多支持 5 层深度。此外，Amazon Bedrock 集成改进了区域读取逻辑，新增插件市场搜索栏。修复了多个关键问题，包括 1M 上下文会话卡死、后台智能体读取错误项目配置、模型选择器显示错误等。性能方面优化了长对话的消息处理，减少了冗余转换。

AI产品 Claude Code 子智能体递归 Amazon Bedrock 稳定性修复

推荐理由：子智能体递归生成让复杂任务拆解更灵活，做多步骤自动化或深度推理的开发者可以直接升级体验。同时修复了多个影响日常使用的 bug，值得所有 Claude Code 用户关注。

原文

6月2日

06:38

OpenAI@OpenAI (@OpenAI)

OpenAI 宣布其前沿模型和 Codex 现已在 AWS 上正式可用，企业可以通过 Amazon Bedrock 使用 OpenAI 模型，同时利用已有的安全、合规和治理工作流。这标志着 OpenAI 在 AWS 上更广泛扩展的开始，未来还将包括 Daybreak 等网络安全能力。企业现在可以在 AWS 环境中直接构建 AI 应用，无需额外管理基础设施。此举降低了企业采用 OpenAI 模型的门槛，尤其适合对合规性要求高的行业。

AI产品 AWS OpenAI Codex 企业级AI Amazon Bedrock

推荐理由：企业团队终于可以在 AWS 上直接使用 OpenAI 前沿模型和 Codex，无需担心合规和治理问题——做云上 AI 应用开发、需要安全合规的企业开发者可以直接用起来。

原文