Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周线上 A/B 测试中，一个人群组的最终漏斗转化率取得高个位数相对提升，另一人群组则未见改善。
#教程/实践
#教程/实践
今日 4 条AWS Machine Learning BlogAI 评分2222 AWS Machine Learning BlogAI 评分2222 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久记忆层，并部署在 Amazon EKS 上。
AWS Machine Learning BlogAI 评分3232 用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到 human-in-the-loop 工作流
Amazon Bedrock AgentCore 支持构建"环境智能体"（ambient agent）：由 Amazon S3 事件通知、EventBridge 规则、Lambda 触发器等事件流直接触发，而非等待用户发起对话，可并行处理多个事件。
AWS Machine Learning BlogAI 评分2222 如何在 AWS 上为 Claude Platform 实现多环境访问
AWS 发布 Claude Platform on AWS（CPonAWS）多环境访问实施指南，采用专用 AI Services 账户承载订阅与工作区，通过三种方式接入推理：AWS 工作负载账户用跨账户 SigV4 签名调用、开发者笔记本用工作区级 API key、外部环境用 OIDC 联合获取短期凭证。
AWS Machine Learning BlogAI 评分2222 uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署上线
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调，并做提示词层面的输出优化，使其适配自身零售审核策略。
AWS Machine Learning BlogAI 评分2222 用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 新增 AgenticRetrieveStream API，可将多段式理赔问题拆成子查询并多轮检索，在证据充分后生成带引用的回答。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 提示词工程基础指南（第一部分）
Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量，官方给出跨组件通用的提示词设计原则与结构化框架。核心原则包括以具体细节消除歧义、补充业务上下文、用示例代替描述，并推荐 CRISPE 框架覆盖上下文与约束、角色与职责、意图与输入、步骤与范围等要素。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 各组件提示词工程：模式与陷阱
AWS 详解 Amazon Quick 各组件的提示词工程实践：Quick Research 需明确目标、受众与聚焦领域，并自行拆解子问题、限定数据源（Quick Index。
AWS Machine Learning BlogAI 评分2222 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
基于 Amazon Quick 和 Amazon Bedrock AgentCore 的合同智能平台在 AWS 上构建，用 AI 智能体从合同 PDF 中抽取八个关键字段并交叉验证，解决 RAG 语义搜索无法跨数百份合同做聚合统计的问题。
AWS Machine Learning BlogAI 评分2222 在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（Part 1）
AWS 发布教程，演示如何用 vLLM-Omni DLC 在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 SageMaker 双向流式连接实现文本流入、24 kHz PCM 音频分块流出，并配 Gradio 应用试用。
AWS Machine Learning BlogAI 评分2222 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
AWS 发布教程，演示在 SageMaker AI 上从同一个 vLLM-Omni DLC 部署两个端点：实时端点跑 FLUX.2-klein-4B 生成图像，异步端点跑 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词送入视频端点，生成的 MP4 存入 Amazon S3，示例还提供命令行流程和可选的 Streamlit 界面。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 新手教程：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas（画布扩展）是一种用户与智能体共享的可定制界面，输入 /create-canvas 技能并用自然语言描述工作流即可生成，无需编写代码或手动设计。
GitHub Blog · AI & MLAI 评分2222 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以应对包含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态评论块两套体系：代码行高提前精确计算，评论高度则惰性测量并锚定到文件、行与侧，使修正幅度小且不打断用户滚动。
GitHub Blog · AI & ML精选AI 评分7575 GitHub 用 Copilot 将 Copilot 运行时迁移到 Rust
GitHub 用 Copilot 应用和 CLI 将 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，跨 128 个 PR 增量合入 main，性能提升数个数量级。
推荐理由：GitHub 工程师复盘用 Copilot 把运行时迁到 Rust 的全过程，含并发会话协作与提示缓存等可迁移经验。
GitHub Blog · AI & MLAI 评分3636 GitHub 如何用 Copilot 把营销活动变成代码：从策划到跟进全自动
GitHub 日本和韩国营销负责人用 GitHub Copilot 把活动运营流程自动化：以 GitHub Issue 为工作单元，Issue forms 收集结构化字段，label 触发 GitHub Actions 工作流，活动从单个 Issue 自动搭建、每日筛选报名者并在结束后自动清理。
GitHub Blog · AI & MLAI 评分3030 GitHub Copilot 应用新手指南：使用 diff、终端和浏览器面板
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需切换编辑器、终端和浏览器即可审查、运行并预览 AI 智能体生成的代码改动。diff 面板以绿色和红色高亮显示新增与删除行，支持接受改动、留言或让 Copilot 继续修改；终端面板可直接运行项目命令并支持多窗口；浏览器面板的 Pick & Polish 工具可选中页面元素并让智能体调整。