Deep Insight 用四层上下文工程管理生产级 AI 智能体
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。
11月5日 · 周四精选
最新精选
AWS Machine Learning Blog精选AI 评分6666
Google DeepMind精选AI 评分7272 Google Antigravity 发布 Cheminformatics Skills 加速药物发现工作流
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。
AWS Machine Learning Blog精选AI 评分6464 使用 Bedrock AgentCore Gateway 为 ServiceNow 配置 OBO 令牌交换
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。
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。
Hugging Face Blog精选AI 评分6868 Hugging Face 提出 Transformers Model Integration Contracts 测试标准
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 Machine Learning Blog精选AI 评分6060 使用 Amazon Nova Multimodal Embeddings 与 Amazon Bedrock AgentCore 构建多智能体工程助手
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 Machine Learning Blog精选AI 评分7272 用 Amazon SageMaker AI 知识蒸馏构建高效购物智能体
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。
AWS Machine Learning Blog精选AI 评分7474 Amazon Bedrock AgentCore runtime 教程：用 Session endpoints 实时预览编码智能体构建的 Web 应用
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。
Hugging Face Blog精选AI 评分6363 NVIDIA Nemotron 构建 Halloween 互动语音智能体 MonsterHouse
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 Machine Learning Blog精选AI 评分7070 在 Amazon EKS 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 3.5 Super VL
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 Machine Learning Blog精选AI 评分6565 基于 Amazon Bedrock AgentCore 构建企业级智能体 AI 平台
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。
AWS Machine Learning Blog精选AI 评分7070 Property Finder 借助 Amazon Bedrock 消除评测偏差并优化视觉模型
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 Machine Learning Blog精选AI 评分6868 用 AWS CDK 构建基于 Managed Amazon Bedrock Knowledge Base 的智能体检索
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。
The Decoder精选AI 评分7878 Anthropic 提出单智能体在部分场景优于多智能体并发布迁移工具包
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。
AWS Machine Learning Blog精选AI 评分7171 Amazon SageMaker AI 多轮强化学习实战：使用 Wordle 训练 gpt-oss-20b
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。
AWS Machine Learning Blog精选AI 评分6262 Bayer Crop Science 如何在 Amazon Bedrock AgentCore 上构建智能体决策引擎
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。
AWS Machine Learning Blog精选AI 评分6767 AWS 教程：用实测指标配置 Kokoro-82M 在 Amazon SageMaker AI 上的自动扩缩容
AWS 教程将 Kokoro-82M 部署为 Amazon SageMaker AI 实时端点，并通过实测 Q_max 和 T_total 推导自动扩缩容阈值与冷却时间。
推荐理由：文章用完整实测展示如何从并发上限和扩容耗时推导自动扩缩容参数，并提供可复用的部署与验证命令链。
AWS Machine Learning Blog精选AI 评分6464 AWS 开源多智能体系统 Deep Insight：拆解生产环境的五大工程挑战与解法
AWS Solutions Architecture 团队开源多智能体系统 Deep Insight，给出生产部署的架构参考：基于 Strands Agents SDK 的 Graph 模式定义执行顺序并实现人在环路分支。
推荐理由：以 Deep Insight 为例拆解多智能体系统在执行流控制、模型选型、安全代码沙箱和生产可观测性上的工程取舍，可以作为同类系统上线时的架构参考。
Hugging Face Blog精选AI 评分7070 使用 RFD4-Proteina 和 Hugging Face Spaces 完成蛋白设计
NVIDIA 与华盛顿大学蛋白质设计研究所共同开发了 BioNeMo 开源模型 RFD4-Proteina，用于联合生成蛋白质序列和全原子结构。
推荐理由：文章从浏览器体验延伸到命令行、Python 和 Diffusers，并给出环境、输入与复现记录，完整呈现可复用的蛋白设计流程。
AWS Machine Learning Blog精选AI 评分6767 如何使用 AWS Agent Registry 在运行时发现智能体工具
AWS Agent Registry 可通过混合关键词与语义搜索，让编排型智能体在运行时发现已批准的 MCP 服务器和 A2A 智能体，而非将全部工具硬编码进上下文。
推荐理由：文章提供完整的运行时发现示例与代码，可用于理解如何在审批、搜索和独立认证约束下扩展智能体工具目录。
AWS Machine Learning Blog精选AI 评分6262 在 AWS 上使用 AtScale 和 Amazon Bedrock AgentCore 构建智能体 AI 语义层
在 AWS 上使用 AtScale 和 Amazon Bedrock AgentCore 构建智能体 AI 语义层，示例以 AtScale C2026.7 为基础。
推荐理由：文章完整拆解语义模型、智能体查询、身份传播与部署流程，并给出跨角色和 BI 的一致性验证方法。