Smartsheet 出了 MCP Server,配 Amazon Quick 或 Kiro 就能让智能体直接改项目表,接法步骤都写在 AWS 博客里了。
全部动态
AWS 教你用 Bedrock AgentCore 把 ERP、采购这些系统接成一个对话界面,做供应链的,可以照着教程自己搭一套。
AWS 放出的实操教程:微调 GPT-OSS-20B 做多语言推理,SFT 直接把准确率从 22% 拉到 100%,还教你什么时候该用 GRPO。
金融科技公司 Octave 分享了在 Bedrock 上做 20 亿文档多租户检索的架构,做企业级 RAG 的可以抄作业。
Positron 把推理拆成两半:prefill 交给 GPU,decode 用自家专用硬件,生成速度更快,思路挺有意思。
NVIDIA 的人拆解了跑智能体负载时 PyTorch、Triton、vLLM 在 Vera Rubin 上的优化思路,做推理部署的可以看看。
Ray 作者亲自讲它怎么从 RL 项目变成现在的分布式底座,还预告要用 Rust 重写核心组件,做分布式训练的都该看看。
Zed 拿 150 条查询对 536 个 MCP 工具跑了 25 种搜索方案,结论是老牌 BM25 就够用,不用调 API,做工具检索的可以参考。
levelsio 用 Claude Code 写了个 Alexa 技能,MP3 丢进 R2 就能语音点歌,受不了 Spotify 推荐的可以照着搭。
Shopify 现场拆了自家 Buyer Profile 的持续学习闭环:judge 挑坏输出,critic 诊断,修复回灌训练集,小模型还能打赢 frontier 模型。
AWS 教你用 Agent Registry 让智能体在运行时语义搜索并动态接入 MCP 工具,工具多了不用再硬编码,写智能体的可以照着做。
Shopify 在 PyTorchCon 分享生产级持续学习闭环:judge 抓坏输出,critic 修数据,小模型还能打赢前沿模型。
Eon 把 AWS、GCP、Azure 三朵云的调查工具收进一个 AgentCore MCP 网关,100 多个开发者和 Agent 共用一套认证,新人上手从两天变两分钟。
AWS 这篇教程教你把 Redshift 和 Aurora 的数据包成 Customer 360,再通过 MCP 喂给 Bedrock 上的智能体,权限控制也讲清楚了,做数据智能体的可以直接照着搭。
AWS 官方教程,教你用 Denodo 把 Aurora、Redshift 和本地 PostgreSQL 打成 customer 360,让 Bedrock AgentCore 里的智能体带权限地查数。
AWS 教你把 AtScale 语义层接到 Bedrock AgentCore 的智能体上,权限控制和审计在语义层做,不用靠提示词兜底,做企业级数据智能体的可以照着搭。
有人拿 Claude Code 给小米电视禁掉 25 个预装包还换了个启动器,代码和提示词都公开了,想给自家电视去广告的可以看看,不过翻车风险也不小。
Databricks 复盘了 100 多万个 Genie Agents,总结出哪些场景最容易做成,还给了打分表,想做企业内 agent 的可以照着筛需求。
作者把微信、飞书、Gmail 都接进 codex,让 Agent 自动整理聊天承诺、写任务、监听群消息,步骤写得很具体,照着就能搭一个自己的。
一个程序员用 Trae 这类 AI 工具,2 小时做完蓝牙小程序第一单,赚了 350 元,开发只花 5 分钟,过程和报价坑都写得很实在。
博主把自动做视频的每项成本都摊开了:Opus 5.5 每月 20 美元出 80 条视频,图片 API 一天 5 块,想搭同款流水线可以先看看这份账单。
一个叫 REA 的开源项目火了,241K star,能让 Claude Code、Cursor 自动逆向 App 源码,连 Notion 剪贴板和游戏声音算法都能拆出来,文末还教你怎么画架构图。
作者用 Renoise MCP 配 Claude,把猫咪形象替换进原视频,生成前还能先看分镜和积分消耗,教程步骤很具体,直接照抄就行。
Anthropic 的人用 83 秒讲明白一个实用思路:让 Agent 只出方案不动手,执行前加人工审批,改 Agent 前先跑 evals。
仅展示最近 2000 条内容,更早的内容请查阅 AI 日报存档