11月8日 · 周日Amazon Quick 团队用 When、What、Who、How 四个问题，将智能体工作归纳为触发器、智能体、能力和学习上下文。触发器负责启动并描述任务，智能体解释指令并利用工具、技能、工作流和子智能体执行，能力则决定智能体拥有多大的自主判断空间。工具提供类型化原子操作，技能封装带判断空间的专业指导，工作流通过固定步骤、分支和错误处理实现确定性协调；同一需求可按用户对可靠性的要求采用不同组合。
推荐理由：文章用 When、What、Who、How 四问梳理智能体组件，并说明如何按可靠性要求组合触发器、技能与工作流。
AWS 演示如何让 Claude Code 在 Amazon Bedrock AgentCore 的隔离远程会话中执行编码任务，并在任务结束后返回 GitHub pull request。
推荐理由：教程提供远程 Claude Code 的完整架构、部署步骤和安全边界，适合评估如何将编码任务迁入隔离的云端会话。
Taxbit Assist 基于 Amazon Bedrock AgentCore 构建，为受监管企业客户提供可溯源、权限感知的税务产品问答。文章介绍其基于 Strands Agents SDK 的架构、检索与重排流程、身份绑定和 PII 防护机制，并通过生产流量持续评测回答质量。该助手已于 2026 年 5 月在美国和欧盟投入生产，平均每次对话模型成本低于 20 美分。
推荐理由：文章拆解了检索、权限、安全与持续评测方案，为受监管场景构建企业 AI 助手提供了可迁移实现路径。
Amazon Bedrock AgentCore Gateway 可原生执行 on-behalf-of 令牌交换，让 AI 智能体调用 ServiceNow REST API 时保留最终用户身份。
最新进展11月7日 01:12用Okta与AgentCore治理AI代理访问
推荐理由：教程完整拆解了身份传播配置，并提供可运行的 ServiceNow 智能体示例，便于迁移到其他 OAuth 保护的 REST API。
AWS 教程展示如何使用 Okta Cross App Access、Amazon Bedrock AgentCore Gateway、Policy 和 Observability 扩展 AI 智能体访问治理。
推荐理由：教程以可扩展架构串联身份授权、工具治理和审计追踪，并给出性能与验证数据，便于读者评估企业级方案。
Microsoft Research 发布研究原型 PDD Kit，将用户意图转换为 Verus 形式化规范，验证 AI 智能体编写的 Rust 代码，并在无法证明的边界补充测试。
推荐理由：文章完整拆解了形式化验证工具链及其可信边界，并以登录逻辑展示从意图确认到证明落地的流程。
Deep Insight 以架构隔离、提示词控制、文件系统外置和独立验证四层方法管理生产级 AI 智能体上下文，并基于 Strands Agents SDK 与 Amazon Bedrock AgentCore 提供完整代码示例。
推荐理由：文章用 Deep Insight 的代码拆解上下文工程四层方法，并量化工具外置与按需加载技能对 token 和成本的影响。
Google DeepMind 为 Google Antigravity 发布 Cheminformatics Skills，可让智能体执行文献检索、分子匹配对分析、效力模型训练和宏环分子设计。示例中，智能体在约 1 小时内检索数千种化合物，并提出带有合成路线的新刚性宏环候选；该功能现已提供，Enterprise 用户可通过 Google Cloud 凭据使用。
推荐理由：文章以肺癌药物研究展示智能体如何串联文献检索、分子分析、模型训练和候选设计，并明确说明实验验证仍是必要环节。
Hugging Face 提出 Transformers Model Integration Contracts（MIC），用缩小模型、固定使用路径和人工审核的输出基线，在 PR 阶段检查模型集成回归。
推荐理由：文章以 UMT5 回归为例，给出可复现的小型模型夹具、基线审查与 CI 回放方案，并公开其覆盖范围和未决问题。
AWS 演示如何使用 Amazon Nova Multimodal Embeddings、Amazon Bedrock AgentCore 和开源 Strands Agents SDK 构建多智能体工程助手，自动汇集航空零部件替代证据并起草评估文档。
推荐理由：教程提供多智能体工程助手的完整架构、代码、部署与评测方法，并明确划分模型、确定性代码和人工决策的职责。
AWS 展示了如何用 sequence-level knowledge distillation（SeqKD）在 Amazon SageMaker AI 上训练 Qwen3.5-4B 购物智能体。
推荐理由：教程完整拆解了轨迹生成、蒸馏训练、评测与部署，并量化推理保留及通用能力变化，便于迁移到其他智能体优化任务。
Amazon Bedrock AgentCore runtime 的 Session endpoints 可让编码智能体在会话内持续运行 Web 应用，并从浏览器实时查看修改。
推荐理由：教程完整演示了通过 Session endpoint 预览编码智能体实时修改的 Vite 网站，并说明端口白名单、鉴权与请求转发机制。
NVIDIA 工程师用 Nemotron Voice Agent、Bolt E4B 4GB、Magpie TTS Zeroshot 和 Audio2Face-3D 构建了可与万圣节访客对话的 MonsterHouse，并在一台工作站上运行。
推荐理由：文章完整拆解了本地语音智能体的模型选择、LoRA 训练、动画协同与延迟优化方法。
AWS 介绍了 NVIDIA Nemotron 3.5 Super VL 在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上的部署及性能评估方法。
推荐理由：文章提供从集群配置、模型部署到性能测试的完整路径，并用吞吐和延迟指标说明如何规划推理容量。
AWS 介绍了基于 Amazon Bedrock AgentCore 的企业级智能体 AI 平台架构与参考实现，采用集中治理、团队自治的联邦模式。
推荐理由：文章以联邦式多账户架构和可部署蓝图讲解企业智能体平台，适合借鉴其中的权限边界、评测门禁与发布治理设计。
Property Finder 发现其 96.8% 的评测标签直接继承自现有模型预测，随后用专家标注重建 ground truth，并通过进化式提示词优化选择 Llama 4 Maverick 17B Instruct。
推荐理由：案例完整呈现了从标签审计、专家标注到提示词迭代的评测流程，并公开了失败尝试与成本收益。
AWS 教程用单一 AWS CDK 应用构建基于 Managed Amazon Bedrock Knowledge Base 与 Amazon Bedrock AgentCore 的企业智能体检索系统。
推荐理由：文章提供可部署的 AWS CDK 示例，完整呈现智能体检索、跨知识库路由、可观测性与持续评测的落地路径。
Anthropic 表示，采用按需加载上下文和技能的单智能体，常能在质量、成本与延迟方面优于多智能体架构，Opus 4.5、Opus 5.5 和 Fable 5.1 已能直接处理复杂计划。
推荐理由：文章汇总 Anthropic 的企业实践与迁移方法，说明单智能体在质量、成本和延迟方面与多智能体架构的差异。
Amazon SageMaker AI 通过多轮强化学习训练 gpt-oss-20b，在 Wordle 留出词集上的解答率从 61% 提升至 84%，训练 token 成本约 $339，AgentCore 运行时费用约 $79。
推荐理由：教程以 Wordle 完整演示多轮强化学习，并给出奖励设计、故障排查和服务端评测方法。
Bayer Crop Science 在 Amazon Bedrock AgentCore 上构建了面向 Connected Decision Engine 的多智能体自然语言入口 Agentic Decision Engine，生产环境运行 22 个专业智能体和约 20 个 API 工具。
推荐理由：文章拆解了多智能体决策引擎的架构与五项关键设计，并给出生产可观测性、成本归因和安全治理方法。