在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 发布基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台蓝图，采用联邦式运营模型，由中央平台团队提供受治理的共享服务，各 Workstream 团队保留对智能体、工具和数据的归属。
#教程/实践
AWS Machine Learning BlogAI 评分3939 AWS Machine Learning BlogAI 评分3434 在 EKS 上用 Ray Train DLC 与 EFA 做分布式训练
AWS 发布 Ray Train 深度学习容器（DLC），在 EKS 上借助 KubeRay 与 EFA 直接跑多机分布式训练，无需自行构建镜像。
AWS Machine Learning BlogAI 评分2727 用 Amazon Nova Act 智能体 QA 自动化加速软件交付（第三部分）：应用与团队权限管理
AWS 博客介绍 QA Studio 基于 Amazon Nova Act 的两项组织级扩展能力：应用（applications）用于归集测试并展示健康指标，团队用户管理用于控制访问权限。应用页展示所选窗口的通过率、执行次数、失败数与 0–100 健康分，健康分从通过率出发并对不稳定测试扣分。指标页支持 7 天按小时、30 天按天查看趋势，并提供不稳定测试排名与最近失败视图。
AWS Machine Learning BlogAI 评分3636 Property Finder 如何修复 Amazon Bedrock 上的评估偏差，实现准确率提升、成本降低 86%
Property Finder 在将视觉 AI 负载迁移到 Amazon Bedrock 时发现，其评估标签中 96.8% 直接沿用了现有模型的预测而非人工核验，导致任何替代模型在比较中都处于劣势。团队由专家重新标注 356 张 UAE 图像并改用多标签分类，再通过 v0 到 v27 的提示词迭代优化选型，最终在 Amazon Bedrock 上实现更高准确率与 86% 的成本下降。
AWS Machine Learning BlogAI 评分3636 Exowatt 用 SageMaker 无服务器模型定制，精度超越前沿模型且成本低至 49 倍
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，为边缘告警分诊和云端能源市场分析分别微调 Qwen3-1.7B 与 Qwen3-14B，精度超过前沿模型，成本最高降低 49 倍。该流程把原始运营数据加工为经认证的训练集、微调模型和可评估的部署产物，原本需数月的路径现在几天内即可跑通。
Latent SpaceAI 评分4040 在喜马拉雅山麓用离线 AI 智能体写代码：OpenCode + Ollama 跑 Qwen3.5 9B 实测
一位常驻喜马拉雅山麓的 Thomson Reuters 首席工程师演示了用 OpenCode 搭配 Ollama 在笔记本本地运行 Qwen3.5 9B，断网完成解释函数、排查失败测试、重构代码等任务。Qwen 模型卡显示 Qwen3.5 9B 的 LiveCodeBench v6 为 65.6、BFCL-V4 为 66.1，下载体积 6.6–7.6 GB。下载新包或联网查询仍需连接网络。
AWS Machine Learning BlogAI 评分3434 用 SageMaker SDK v3 在边缘端管理车队级计算机视觉模型生命周期
AWS 发布基于 SageMaker Python SDK v3 的车队级边缘计算机视觉模型生命周期方案，用 SageMaker Neo 替代已弃用的 Edge Manager 做边缘优化。
Simon WillisonAI 评分3333 webframe 评测：作为抓取工具与沙箱表现如何
对 Jeff Lindsay 的 webframe 的评测显示，这个基于 Go 和 glaze 的轻量浏览器 JavaScript 运行器适合抓取网页，性能与 shot-scraper 相当。
GitHub Blog · AI & MLAI 评分2222 三位 Java Champion 如何用 GitHub Copilot 提升生产力
GitHub 博客采访了 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion，分享在生产与开源项目中使用 GitHub Copilot 的实践。
GitHub Blog · AI & MLAI 评分3636 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，保留原有对话、代码改动和工作上下文。VS Code 会加载该会话关联的 worktree，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动修改、本地运行测试，最后提交并推送到会话对应的 pull request。
GitHub Blog · AI & MLAI 评分4848 GitHub 用 ModernBERT 分类器重构密钥检测：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间缩短 86%、服务成本降低超 98%。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 .github/copilot-instructions.md 定义仓库级规范，用 .github/instructions 中的 applyTo 字段指定路径级规则，用 .github/skills 下的 SKILL.md 打包可复用流程，用 .github/agents 创建自定义智能体。
GitHub Blog · AI & MLAI 评分2222 GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能
GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 节省的时间去解决更大的问题。文章以新增认证流程为例，展示开发者如何从逐行写代码转为定义任务、审阅多个智能体产出并做技术决策。文中还提到 GitHub Copilot 内置的 Rubber Duck 智能体，会用第二个模型对计划、代码和测试提出批评。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvases 是可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，agent 即可生成看板、发布清单或仪表盘等界面。用户与 agent 可同时操作同一画布，点击按钮或移动卡片会即时同步，无需额外发送或同步步骤。画布可保存为扩展供团队共享或个人复用，Awesome Copilot 已提供现成扩展。