跳到正文
AI Spark / Daily Intelligence10月5日 · 周一

今日 AI

创作信号

从模型更新到可复用工作流,只留下真正能改变创作方式的进展。

6条精选0个热点持续更新
01 / LIVE

最新精选

按时间排列的今日 AI 创作情报

10月2日周五
  1. AWS Machine Learning Blog62

    AWS 如何用 Amazon Bedrock AgentCore 构建事件驱动的 ambient agent

    AWS 发布参考实现,演示如何用 Amazon Bedrock AgentCore 构建 ambient agent:由 Amazon S3 事件或定时任务触发,经 SQS 与 Lambda 调用 AgentCore Runtime 上的容器化 LangChain agent,需要时通过单个 ask_human 工具暂停并等待人工回复。

    编辑推荐 / 面向在 AWS 上做文档处理与告警分流的开发者,可据此参考实现搭建事件驱动、带人工审批的 Agent 流水线,注意示例仅覆盖 S3 与定时两类信号源。

  2. AWS Machine Learning Blog62

    Amazon Payments 如何用 Amazon SageMaker AI 上的 contextual bandits 提升获客漏斗转化

    Amazon Payments 在 Amazon SageMaker AI 上用多目标 contextual multi-armed bandit 对产品获客漏斗做个性化,七周在线 A/B 测试中,一个人群在最终漏斗转化上目前看到高个位数百分比的相对提升,另一个人群相较现有体验没有改善。

    编辑推荐 / 做个性化推荐与转化优化的产品、增长和算法团队可参考其多目标 contextual bandit 架构与踩坑经验,注意内容池质量可能才是效果瓶颈。

  3. AWS Machine Learning Blog60

    如何用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建 Agent 记忆

    AWS 发布教程,演示如何把 Amazon S3 Vectors 作为 NVIDIA NeMo Agent Toolkit(NAT)的自定义记忆后端,并部署在 Amazon EKS 上。

    编辑推荐 / 面向需要为多智能体系统搭建持久记忆层的开发者,本文给出可复用的插件实现与 EKS 部署步骤,可先按示例代码在测试环境验证再接入生产。

  4. AWS Machine Learning Blog60

    AWS 如何在 Amazon Bedrock AgentCore 上用四 Agent 模式扩展云迁移

    AWS Professional Services 在 Amazon Bedrock AgentCore 上给出四 Agent 迁移模式,覆盖 Intake、IaC、迁移治理与 SRE 四个环节,基于内部项目跟踪数据,IaC 开发时间从每应用 3 到 4 周降至分钟级。

    编辑推荐 / 负责大规模上云迁移的企业架构与平台团队可据此评估四 Agent 模式是否值得自建,并先用试点波次测算单应用 token 与运行成本。

10月1日周四
  1. AWS Machine Learning Blog68

    如何在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线

    AWS 官方博客给出在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线的完整步骤:Composition、Delivery、Compliance 三个智能体通过同一 runtimeSessionId 共享会话,被调度到同一台 GPU 实例上协作。

    编辑推荐 / 面向在 AWS 上构建多智能体系统的开发者,可据此了解 Runtime Instances 的共享会话、GPU 与持久卷用法,并注意 EBS 卷受可用区限制。

  2. AWS Machine Learning Blog60

    如何用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔

    AWS 官方博客给出用 Amazon Bedrock Knowledge Bases 构建理赔问答助手的技术教程:从 Amazon S3 摄取 PDF、Word、文本理赔文档及 .metadata.json 元数据,通过 AgenticRetrieveStream API 做多轮追问、元数据过滤和带引用的回答。

    编辑推荐 / 面向在 AWS 上构建企业级 RAG 助手的开发者,可据此复现带引用、元数据过滤和 grounding 护栏的理赔问答流程,并注意评测基于合成数据。

已经到底了