AWS 如何用 Amazon Bedrock AgentCore 搭建生产级智能体评测框架
AWS 销售与市场团队基于 Amazon Bedrock AgentCore Evaluations 搭建了覆盖智能体全生命周期的九阶段评测框架，从定义质量标准、CI 回归门禁、CD 质量门到上线后金丝雀监控与漂移检测。
#教程/实践
AWS Machine Learning BlogAI 评分5858
AWS Machine Learning BlogAI 评分4545 用 Amazon Bedrock AgentCore 构建自改进的文档处理系统
基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可在 20 分钟内完成部署，自动分类、提取并校验供应商发票、采购订单等文档。系统由 8 个专用智能体组成，通过识别与训练两条工作流，遇到新格式时自动生成提取提示词并保存复用，后续同类文档无需重新训练。
AWS Machine Learning BlogAI 评分3838 用 Amazon Bedrock AgentCore 生成演示文稿
基于 Amazon Bedrock AgentCore 搭建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中不到 90 秒完成。
AWS Machine Learning BlogAI 评分2525 Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。平台由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用不同基础模型。
AWS Machine Learning BlogAI 评分2222 用 Amazon SageMaker JumpStart 部署并评测模型
AWS 介绍了一套可复用的 Python 脚本流程：从 Amazon SageMaker JumpStart 部署模型、用 SageMaker Python SDK 跑轻量可重复的性能测试，测完删除端点。
GitHub Blog · AI & MLAI 评分3636 GitHub 如何用 ModernBERT 分类器更少误报地检测密钥
GitHub 用微调的 ModernBERT 分类器替换此前基于 LLM 的密钥扫描流水线，在正则召回候选后结合文件路径、变量名和上下文判断是否为真实凭据。新流水线使推送后扫描中位执行时间降低 86%、服务成本降低超 98%，告警接受率提升 11.5%，并让通用密钥检测得以进入推送保护阶段。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：仓库级与路径级自定义指令、打包可复用流程的 agent skills、面向大型任务的 custom agents，以及连接外部工具和数据的 MCP servers。
GitHub Blog · AI & MLAI 评分2222 GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能
GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 省下的时间解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 入门教程：用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或仪表盘。创建时在智能体会话中输入 /create-canvas 技能并用自然语言描述工作流，智能体就会生成界面并打开在右侧面板，之后可继续让智能体增删列、筛选或接入未关闭的 pull request。