跳到正文

#Agent

RSS
今日 5 則
今天10月1日週四
  1. AWS Machine Learning Blog62

    在 Amazon Bedrock AgentCore Runtime Instances 上構建多智慧體音樂製作管線

    AWS 介紹瞭如何使用 Amazon Bedrock AgentCore Runtime Instances 部署一個三智慧體協作的音樂製作管線,實現 GPU 音樂生成、音訊處理與合規篩查。文章詳細講解了容量提供者配置、共享會話的多智慧體同機協作、多日持久化儲存以及各智慧體的獨立部署流程。

    推薦理由:文章給出了基於 Amazon Bedrock AgentCore Runtime Instances 部署多智慧體音樂製作管線的具體步驟與架構設計,讀者可以據此瞭解長週期持久化與多智慧體協同的實現方式。

  2. AWS Machine Learning Blog61

    如何使用 Amazon Bedrock Knowledge Bases 以自然語言查詢理賠資料

    本文介紹瞭如何使用 Amazon Bedrock Knowledge Bases 構建具備自然語言查詢、後設資料過濾、對話記憶和上下文安全護欄的理賠助手。文章詳細給出了將 S3 中的理賠文件與後設資料同步至託管知識庫、呼叫 AgenticRetrieveStream API 處理多步問題、渲染引用以及配置防護欄的具體實現步驟與程式碼示例。

    推薦理由:文章提供了構建帶有引用和後設資料過濾的智慧檢索助手的完整程式碼與架構,讀者可以據此在實際工作流中實現可追溯的文件查詢。

9月30日週三
  1. cloudflare blog64

    Monetization Gateway 公開測試:通過 HTTP 402 向 AI 代理計費

    Cloudflare 推出了 Monetization Gateway 公開測試,允許域名所有者通過 HTTP 402 按請求向 AI 代理收取費用。該閘道器支援按請求、搜尋查詢或 token 計費,並已在 AI Gateway、Ceramic.ai、Stocktwits、API2PDF 四個生產案例中落地。

    推薦理由:文章闡述了 Cloudflare 新推出的 Monetization Gateway 如何讓 AI 代理按請求付費,展示了多家企業的落地案例。

  2. cloudflare blog64

    AI Gateway Auto Router 釋出,幫助企業降低 AI 成本

    Cloudflare 在 AI Gateway 中推出 Auto Router,自動為每個請求選擇合適的模型,幫助企業在保持效能的同時將 AI 費用降低 30%。

    推薦理由:Auto Router 能在不犧牲效能的前提下,將 AI 費用降低 30%,為企業內部 AI 部署提供自動化成本控制,並支援多模型動態路由。

  3. cloudflare blog67

    Pay Per Use:AI 使用你的內容時,你應獲得報酬

    Cloudflare 推出了 Pay Per Use,允許 AI 公司按實際使用付費,幫助出版商實現內容變現。買家通過統一 API 報告每一次使用,Cloudflare 負責計費與支付,出版商可在儀表盤檢視使用量和收益。該功能目前處於 beta 階段。

    推薦理由:Pay Per Use 讓 AI 公司按實際使用付費,幫助出版商實現內容變現,並提供統一 API 追蹤與結算,支援多種使用場景如搜尋、購物、研究報告

  4. cloudflare blog67

    Cloudflare Workers 新增 Issues 功能:檢測並直接將生產問題傳送給 Agent

    Cloudflare Workers 新增了 Issues 功能,可自動檢測生產錯誤並將完整上下文傳送給 Agent,幫助快速定位並修復問題。Issues 能將重複異常、5xx 響應和錯誤日誌聚合為單一問題,並通過 Automations 將錯誤摘要、堆疊、日誌、跟蹤及 Worker 版本推送給配置好的 Agent。

    推薦理由:文章闡述 Cloudflare Workers 新增的 Issues 功能,說明如何將錯誤自動推送給 Agent 並通過自動化流程快速定位並修復問題,並在部署前進行差異檢查,確保修復安全。

  5. cloudflare blog64

    使用 User Insights 識別 AI 模型過度使用

    雲flare 在 AI Gateway 平臺推出 User Insights 更新,新增任務、模型、成本等維度的分析,幫助團隊識別模型過度使用並支援自動路由。該功能通過分類引擎將對話歸類為編碼、研究、寫作、摘要等任務,並提供模型適配、成本、延遲、對話輪數等指標,供團隊評估是否需要更換模型或調整工作流。

    推薦理由:雲flare AI Gateway 的 User Insights 通過任務、模型、成本等維度幫助團隊識別模型過度使用,支援自動路由和成本最佳化,為企業在大規模 AI 部署中實現更精準的資源分配和費用控制提供了實用工具,並可快速整合至現有監控體系。

  6. cloudflare blog61

    Cloudflare Registrar 簡化域名獲取:支援智慧體與 API

    Cloudflare Registrar 推出全新域名搜尋體驗,支援 420+ 副檔名,即時顯示可用性與價格,並通過 Registrar API、MCP 及 cf CLI 讓智慧體和開發者可程式化搜尋、註冊與轉移域名。新搜尋採用多源證據、WebSocket 動態更新,配合透明定價與即時價格變動,提升使用者體驗。

    推薦理由:Cloudflare 通過 API、CLI 與智慧體整合,提供即時域名搜尋與註冊,顯著降低域名獲取門檻,並通過透明定價與即時價格變動提升使用者體驗。

  7. cloudflare blog75

    網際網路擁有第二個受眾

    Cloudflare 說明網際網路正出現第二個受眾——AI 代理,導致超過一半流量來自軟體而非人類。為此,Cloudflare 推出了 AI Crawl Control、BotBase、Web Bot Auth 等工具,並在 2026 年推出 Monetization Gateway,讓站點能識別、計費並從 AI 代理中獲得收入。

    推薦理由:Cloudflare推出面向 AI 代理的流量控制與計費方案,幫助站點在 AI 時代實現收入恢復,並提供視覺化監控與統一計費介面。

  8. cloudflare blog73

    Cloudflare Containers 重構以擴充套件代理沙箱

    Cloudflare Containers 通過可程式設計排程、執行時映象選擇和檔案快照功能,啟動速度提升 6 倍,支援按需建立沙箱並即時恢復。ComputeSDK 基準測試顯示,容器啟動時間從 4.049 秒降至 648 毫秒,且在 5 萬個容器的突發測試中,單賬號 100,000 個容器在 5.387 秒內完成啟動。

    推薦理由:Cloudflare Containers 通過可程式設計排程和檔案快照,顯著提升代理沙箱啟動速度,幫助開發者更高效地構建和管理 AI 工作流。

  9. AWS Machine Learning Blog54

    使用 Amazon Nova Act 實現合成監控

    本文介紹瞭如何使用 Amazon Nova Act 和 Amazon Bedrock AgentCore 實現基於智慧體的合成監控,通過自然語言動作替代脆弱的 DOM 選擇器來驗證關鍵使用者流程。文章闡述了架構設計、部署流程以及如何結合 Amazon EventBridge Scheduler 與 Amazon SNS 進行告警。

  10. Vercel Blog65

    Ling 3.1 Flash 現已在 AI Gateway 上可用

    Ling 3.1 Flash 是 InclusionAI 推出的混合推理語言模型,現已在 AI Gateway 上免費使用至 2026 年 10 月 13 日。

    推薦理由:Ling 3.1 Flash 提供 262K token 上下文視窗和 560B 引數的混合推理能力,專為編碼與多步分析設計,讀者可評估其在 AI Gateway 上的應用潛力與成本優勢。

  11. AWS Machine Learning Blog66

    GPT-6.1 Sol 現已登陸 Amazon Bedrock

    GPT-6.1 Sol 現已在 Amazon Bedrock 上全面可用,為編碼、計算機使用和專業工作負載帶來更強的推理能力。該模型在 DeepSWE v1.1 上以約五分之一的單任務成本實現了接近 GPT-6 Astra 的表現,並在複雜文件分析和多步驟工作流上超越了 GPT-6 Sol。

    推薦理由:原文公佈了模型在亞馬遜雲科技平臺上的可用性和基準表現,讀者可以據此評估其在自動化工作流中的價效比與落地可行性。

  12. AWS Machine Learning Blog42

    如何用 Amazon Quick 和 Amazon Bedrock AgentCore 構建 AI 驅動的合同智慧平臺

    AWS 介紹了一種結合 AI 智慧體、多模型驗證與嵌入式分析的合同智慧平臺架構,可解決傳統 RAG 無法處理的大規模合同跨文件聚合查詢難題。該平臺利用 Amazon S3 儲存合同 PDF,通過 Claude Sonnet 提取欄位、Claude Haiku 驗證結果,並以 Amazon Aurora PostgreSQL 儲存結構化資料,實現秒級處理與精準問答。

9月29日週二
  1. Hugging Face Blog42

    ProvenanceGuard 如何針對 MCP 智慧體實現源感知的事實核查

    ProvenanceGuard 是一款針對 MCP 智慧體的後置生成驗證層,旨在解決交叉來源混淆問題並進行源感知的事實核查。該系統通過保持來源身份不變來分別檢查支援來源與回答中的指定來源是否一致。在包含 281 條真實醫療智慧體軌跡的測試中,它從專家判定的 361 個宣告中捕獲了 138 個不應通過的宣告,並在可識別來源的宣告中取得了約 86% 的正確選源率。

  2. cloudflare blog77

    推出 Threat Signals:面向開源威脅情報的智慧體技能,免費提供給所有 Cloudflare 賬戶

    Cloudflare 推出 Threat Signals,利用 AI 技能自動化提取並標註開源威脅報告中的指標,保留上下文,直接生成可在 WAF 中使用的規則,並通過 API 與內部 TIP 整合。

    推薦理由:Threat Signals 通過 AI 技能自動化提取並標註開源威脅報告中的指標,保留上下文,直接生成可在 WAF 中使用的規則,幫助企業快速提升防禦效率,並可通過 API 與內部 TIP 整合,實現全流程威脅情報閉環,降低人工分析成本。

  3. Vercel Blog71

    GPT-6.1 Sol 在 AI Gateway 上可用

    OpenAI 的 GPT-6.1 Sol 現已在 Vercel AI Gateway 上上線。該模型在編碼、電腦使用和專業工作方面相較 GPT-6 Sol 有顯著提升,能夠更好地閱讀複雜文件、執行多步工作流、除錯程式碼、處理業務任務,並從包含表格和圖表的 PDF 中提取答案。

    推薦理由:GPT-6.1 Sol 在 AI Gateway 上提供更精準的編碼與文件處理能力,並以更低成本滿足多步工作流需求。

9月28日週一
  1. Hugging Face Blog83

    Hcompany 釋出 Holo4 系列智慧體模型與 Holotron4 Nano

    Hcompany 釋出全新智慧體模型系列 Holo4,包含 27B dense 與 35B-A3B Mixture of Experts 兩個尺寸,並同步推出更新版 Holotron4 Nano。該系列模型支援 GUI、程式碼、MCP 與 API 等多種互動介面,在 OSWorld 2.0 等基準測試中表現優異,相關權重與軌跡資料已在 Hugging Face 開源。

    推薦理由:文章公佈了新模型的大小、介面和基準測試表現,讀者可以據此瞭解其在複雜工作流中的表現。

9月27日週日
9月26日週六
  1. GitHub Blog · AI & ML62

    GitHub Copilot 如何使用 canvases 構建自定義工作流

    GitHub Copilot app 推出了 canvases 功能,允許使用者通過 /create-canvas 技能與自然語言描述,免編碼生成支援雙向互動的自定義工作流介面。畫布可作為共享白板即時更新,支援團隊共享或儲存為個人擴充套件,使用者也可直接安裝 Awesome Copilot 中的現成擴充套件進行定製。

    推薦理由:文章介紹了 GitHub Copilot app 中使用 canvases 自定義工作流的方法,讀者可以學習如何通過描述直接生成雙向互動介面。

  2. AWS Machine Learning Blog65

    AWS 詳解基於 Amazon Bedrock 構建生產級大語言模型質量保障體系

    AWS 團隊詳細介紹了面向生產環境的大語言模型質量保障架構,通過自適應管道編排、跨賬戶多模型故障轉移、即時流式評估、複合評估框架以及資料準確性驗證五項技術,在 Amazon Bedrock 上實現了約 99% 的數值準確率並支援即時流式響應。文章重點闡述瞭如何通過三階段自適應處理、獨立配額空間網格、生產者消費者併發模式及兩階段級聯驗證來解決模型幻覺、API 限流和驗證延遲等工程挑戰。

    推薦理由:文章詳細拆解了五項用於保障大語言模型生產環境質量的技術實現,幫助開發者在實際業務中平衡準確率與響應延遲。

9月25日週五
  1. AWS Machine Learning Blog45

    Datacor 如何利用 Amazon Quick Sight 構建自助租賃分析

    Datacor 在 TrackAbout 解決方案中整合 Amazon Quick Sight,提供自助租賃分析,使用者可通過自然語言查詢即時獲取租賃績效洞察。TrackAbout 客戶共管理 2750 萬件資產,月生成 72.5 萬張賬單,整合後可回答如“將乙炔費率提高 5%”等問題,且資料通過跨雲管道定期重新整理至 Quick Sight SPICE,保證儀表盤反映運營資料。

  2. Vercel Blog69

    Agent 技能生態現狀報告

    Vercel 在部落格中公佈了 skills.sh 登錄檔在七個月內達到一百萬技能、近 2.8 億次安裝的報告。報告顯示,跨行業技能佔 66% 的註冊量,安裝量佔 87.5%,並指出安裝高度集中,最受歡迎的 0.04% 技能貢獻了 62% 的安裝。

    推薦理由:報告展示了 skills.sh 生態的爆發式增長與安裝分佈,為評估 Agent 技能市場潛力提供資料依據。

9月23日週三
9月22日週二
  1. Vercel Blog67

    GPT‑6 Sol 與 Luna 在 AI Gateway 上線

    OpenAI 的 GPT‑6 Sol 與 GPT‑6 Luna 現已在 AI Gateway 上線,價格低於 GPT‑6 Astra。Sol 適用於複雜編碼與持續性探究的 agent 工作流,Luna 則是低成本的高頻重複工作選項。兩者相較 GPT‑5.6 在事實可靠性、直白溝通和減少誤導性編碼宣告方面都有提升。使用時只需傳入模型 ID,即可在模型演練區體驗。

    推薦理由:GPT‑6 Sol 與 Luna 在 AI Gateway 上線,價格更低且在程式碼與專業工作中提升事實可靠性,讀者可評估其高頻工作流價值。

  2. Vercel Blog78

    Claude Opus 5.5 在 AI Gateway 上可用

    Anthropic 的 Claude Opus 5.5 已在 AI Gateway 上上線,支援 1M-token 上下文視窗和 128K 輸出 token。與 Opus 5 相比,速度提升約 30%,成本降低約 40%。

    推薦理由:Opus 5.5 在速度和成本上相較前代提升顯著,適合需要大上下文和長任務的智慧體工作,其 1M-token 上下文視窗和 128K 輸出令長任務更易監督,且支援自動工具選擇,提升開發效率。對開發者而言,Opus 5.5 的速度與成本優勢可顯著降低專案迭代週期。

9月21日週一
  1. NVIDIA Blog62

    NVIDIA 撰文談 AI 安全的工程化挑戰與智慧體棧防護方案

    NVIDIA 釋出文章指出 AI 安全本質上是一個工程問題,並從智慧體棧的全棧防護、可執行邊界、測試驗證及開源協作等方面闡述了應對策略。文章介紹了 NVIDIA OpenShell 等開源執行時及合作伙伴的安全工具,強調企業需要通過明確的策略、獨立沙箱和可追溯的身份憑證來保障智慧體在複雜環境下的執行安全。

    推薦理由:文章探討了智慧體棧各層的安全治理原則與開源實踐,讀者可以據此瞭解企業在多層架構中部署智慧體時的安全邊界與防護方案。

  2. NVIDIA Blog27

    5家利用 NVIDIA AI 賦能清潔能源的公司

    NVIDIA 在紐約氣候週上展示了五家利用 AI 加速清潔能源專案、構建低碳電網的開拓性公司。其中,Southern California Edison 採用 ThinkLabs AI 軟體將電網互聯申請評估時間從 30 至 45 天縮短至兩分鐘,TerraPower 則通過 NVIDIA Omniverse 平臺構建數字孿生軟體以加速未來電站的選址與交付。

9月19日週六
  1. Vercel Blog52

    mcp-handler 現已支援 WebMCP

    mcp-handler 現已支援 WebMCP,允許開發者透過單一 script 標籤將 MCP 工具直接注入瀏覽器,並以已登入使用者身分代理呼叫。 - 功能:WebMCP 讓 MCP 工具可在瀏覽器中使用,省去 OAuth 流程。