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。
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。
Airbnb CEO Brian Chesky 认为 AI 智能体需要真正的操作系统,而非在 iOS、macOS 和 Windows 上堆叠 AI 应用,理想状态是 AI 能在内核层面运行、各智能体互相交互。
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 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。
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段,包括可自定义执行循环与 UI 的 Claude Mods、Claude Tag 与 Projects 的多智能体协作,以及把云端大脑、本地或远程 hands 与 artifact 界面拆开的思路。
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 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 Security Lab 推出 Fuzzing Taskflow,一个基于 Taskflow Agent 的自主模糊测试流水线,只需指向 GitHub 仓库即可自动识别入口点、编写 harness、运行 AFL++、分析覆盖率并生成漏洞报告。
Simon Willison 发布 LLM 插件 llm-typesafe 0.1a0,为 TypeSafe AI 的新模型 Jev 提供支持,可通过 `llm install llm-typesafe` 安装并设置 API key 使用。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,只是审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是打包的团队经验,后者是连接工具与数据的标准接口;RAG 也并未消亡,而是为模型提供训练数据之外的相关信息。节目主张用标准做共享接口、用 Skills 承载流程与最佳实践,二者结合比争论谁取代谁更有价值。
OpenAI 发布 Agents API,这是一个由 Codex harness 驱动的托管服务,用于构建和上线云端智能体。该服务支持编排、长时间运行的会话以及工具调用。
推荐理由:OpenAI 官方发布托管式 Agents API,读者可了解其基于 Codex harness 的编排与长会话能力。