Amazon SageMaker AI 实时端点现支持 KV cache 感知路由
Amazon SageMaker AI 实时端点新增 KV cache-aware routing 策略,按容器报告的缓存状态选择实例。它用托管缓存索引按 token 匹配最长缓存并权衡负载,无有效匹配或匹配实例都繁忙时回退到 load-aware routing。
Amazon SageMaker AI 实时端点新增 KV cache-aware routing 策略,按容器报告的缓存状态选择实例。它用托管缓存索引按 token 匹配最长缓存并权衡负载,无有效匹配或匹配实例都繁忙时回退到 load-aware routing。
Amazon Bedrock Managed Knowledge Base 与 AgentCore 记忆集成,通过 AgenticRetrieveStream 实现多租户 AI 智能体的记忆感知检索。该方案自动提取并注入用户长期事实,结合 ACL 过滤确保文档访问隔离,且保持向后兼容。此前开发者需自行持久化对话历史,现由服务自动处理会话存储与事实提取。
Novo Nordisk 基于 Amazon Bedrock AgentCore 构建智能支持系统,利用 GraphRAG 架构和 Anthropic Claude 模型优化制药制造文档管理。该系统通过知识图谱与混合搜索结合,帮助专家将原本耗时数小时或数天的工作缩短至几分钟,并解决传统 RAG 在受监管环境中处理精确标识符和多跳关系时的局限性。
Amazon Bedrock Managed Knowledge Base 新增检索指令功能,允许为不同租户定制回答的语气、格式及策略。该功能通过版本化资源管理指令,支持在共享知识库中实现多租户差异化服务,但需配合元数据过滤器进行数据隔离。此前用户需关闭响应生成并自行维护提示词以实现固定风格。
Amazon Bedrock Managed Knowledge Base 新增表格搜索功能,支持通过 agentic retrieval 从 CSV、XLSX 或 XLS 文件中获取答案。该功能在隔离沙箱中运行代码以处理整张表格,结合文档事实回答需多步计算的复杂问题,适用于财务分析等场景。
AWS 在 Agent Toolkit for AWS 的 amazon-bedrock 技能中新增迁移指南,协助编码智能体将客户自管知识库迁移至 Amazon Bedrock 托管知识库。
该方案利用 Amazon Bedrock AgentCore Gateway 在工具层注入经身份验证的用户属性,防止 LLM 伪造搜索权限。结合 Managed Knowledge Base 的 ACL 感知功能,确保多租户环境下每个用户仅能检索其有权查看的文档。此设计通过多层防御机制,解决了传统应用中由 LLM 决定搜索参数可能引发的越权访问风险。
中兴通讯推出“璇玑”系统,作为企业AI的本体语义软件平台,通过统一语义连接业务知识与数据资源。该平台支持REST API、MCP等接入方式,并通过了中国信通院本体建模平台测试,覆盖五大能力域。此举旨在解决大模型缺乏企业概念边界与数据映射的问题,让AI从演示走向可复核的业务应用。
文章演示了 Java 团队如何利用 Amazon Bedrock 和 Spring AI 构建具备规划、工具调用及记忆能力的自主 AI 智能体。方案包含单智能体旅行助手和多智能体文档处理系统,支持通过 AgentCore 实现生产级部署与治理。
AWS 提供 23 个生产级生成式 AI 可复用资产,旨在将开发周期从数月缩短至数周。DoorDash 利用该资产实现测试容量提升 50 倍,Ricoh 将文档处理吞吐量提高 7 倍。这些资产自 2023 年起由 AWS 生成式 AI 创新中心开源发布。
Amazon Bedrock Managed Knowledge Base 新增支持单次 RAG 和仅检索请求,通过 AgenticRetrieveStream API 实现。开发者可利用 maxAgentIteration 参数在单次检索、智能体多轮检索及仅返回片段三种模式间切换,以平衡延迟与答案质量。此前该服务仅支持智能体检索模式,无法直接表达单次检索后生成的模式。
Kuken Industries 使用 OpenAI API 检索其 70 年的冷却塔图纸库。工程师查找维修所需图纸的时间从近一小时缩短至 4.5 分钟。
Taxbit 在 Amazon Bedrock AgentCore 上构建了嵌入产品仪表盘的 AI 智能体 Taxbit Assist,用于协助合规团队处理数字资产税务问题。
AWS 团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器,作为 AI 智能体与企业数据湖之间的集中式网关。该架构采用元数据驱动方式,新增数据集仅需提供 JSON 元数据文件即可自动发现,无需编写集成代码。此方案旨在解决 Amazon 北美分拣中心(NASC)规划团队中数据访问碎片化及新数据源接入耗时数天的问题。
11月10日,源点 ORIGIN 将在上海举办 Data + AI 技术实践巡展,聚焦从 Data 到 Agent 落地的完整链路。蚂蚁密算、合合信息等5位专家将分享本体、知识引擎、Harness 工程及 Data Agent 的落地实践,探讨如何为 Agent 获取确定性结果并持续更新企业知识。
Box 在开发者大会上展示新功能 Box Content Retrieval,将 Nvidia 的 Nemotron 嵌入系统集成至产品核心,以提升 Agent 查询效率。Nvidia 预计该功能可使查询速度提升 4 倍,错误率降低 20%,token 消耗减少 90%。该系统将面向所有 Enterprise Advance 客户,并计划于明年年初开始推出。
U Mobile 基于 Amazon Bedrock AgentCore 构建 AI 驱动智能体客服系统 AiDaH,覆盖超 150 个运营场景。该系统使关键类别的故障工单量下降高达 84.5%,通过跨系统协调与链式推理实现自动化诊断。此前 U Mobile 仅使用基础 RAG 进行试点,现已扩展至多部门应用。
openJiuwen AgentMemory 0.2.0上线OmniMem-Lens多模态记忆能力,通过视觉听觉双流按真实事件切分长视频,召回精度最高提升45.7%且在线时延最高降97%。它建立三层记忆结构并离线建索引在线查,L1与L2记忆单元文本化向量化可无缝接入主流RAG/Agent技术栈,项目地址https://gitcode.com/openJiuwen/agent-memory/。
本文演示了利用 EDB Postgres AI 在 Postgres 数据库内部构建语义层,并通过 Amazon Bedrock AgentCore 运行 Strands Agents 智能体以回答客户 360 问题。
Amazon Quick 通过统一体验连接 S3 知识库与增强数据集,允许用户通过单一对话式 AI 智能体查询结构化与非结构化数据。该方案利用 Space 整合数据源,智能体可自动判断查询类型并返回带引用的综合响应,同时应用内置 AI 护栏。此功能需 Amazon Quick Enterprise 订阅,旨在解决多工具切换与手动关联结果的痛点。
Circle K 基于 Amazon Bedrock 构建自动化分诊系统,将平均事件分诊时间从 45-60 分钟缩短至 15 分钟以内,降幅达 67-75%。该系统采用 agentic AI 架构,通过 Amazon Bedrock Flows 协调多个智能体并行查询日志与基础设施状态,并在数分钟内向 Slack 推送结构化摘要。此前工程师需手动跨多个工具排查,导致分诊耗时随服务规模增长而增加。
AWS 展示如何利用 Amazon Bedrock AgentCore 和 Amazon Nova Multimodal Embeddings 构建多智能体工程助手,以自动化零部件替换评估中的证据收集与文档起草。
文章演示了如何利用开源 Python 爬虫 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页内容。该方案通过生成 Markdown 和元数据文件上传至 Amazon S3,实现了对网页内容的结构化清洗、自定义元数据附加及有界提取,适用于需要精细控制数据摄入的场景。
MIT Technology Review 报告显示,企业智能体分析生成的洞察中仅 48% 能带来业务改善,较一年前的 37% 有所提升,但仍有超过半数失效。55% 的高管将洞察质量不足归因于缺乏业务上下文,45% 归因于数据碎片化。报告指出,加强 AI 与数据治理及添加语义层是提升智能体洞察质量的关键举措。
阿里云 Memory 服务升级,面向 Personal Agent 场景增强对用户偏好、计划和历史约定的记忆能力,并提供 MCP、CLI 等接入方式。在 PersonaMem-v2 评测中,Memory 以 56.82 的总体得分位列所列 8 个系统第一,并在 9 个任务维度中的 7 项取得最高分。
腾讯网盘开启内测申请,支持连接多个 AI 应用,实现共享存储与上下文聚合。其核心能力包括统一存储、多端连接、内置 AI 智能整理及依托腾讯云的安全防护。该服务已包含在 WorkBuddy 会员中,无需单独购买。
MIT Technology Review Insights 调查显示,仅 16% 的企业从 AI 部署中获取变革性价值,40% 仅获中等收益。Atlan 联合创始人指出,模型能力与组织效用间的差距源于缺乏“上下文层”,该架构负责将企业系统数据转化为 AI 可用的治理上下文。
维基百科 WikiProject AI Cleanup 项目自2023年底发起,志愿者持续清理违规AI生成内容并开发检测工具。英文维基百科已禁止编辑使用LLM写文章,2026年初新增草稿中AI内容占比降至约15%。维基媒体基金会正开发 Paste Check 等工具,并探讨未来与AI模型共生的编辑模式。
SoMark 团队开源文档解析模型 OXR,其 1.3B 参数主模型在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均位列第一。
AWS 发布基于 AWS CDK 的解决方案,在 Managed Amazon Bedrock Knowledge Base 上构建企业级智能体检索系统。该系统利用 AgenticRetrieveStream API 实现多轮规划与工具驱动检索,并通过 Amazon CloudWatch 仪表盘提供全链路可观测性。
特赞在WTCC论坛提出企业AI需构建理解客户与公司的“两个世界模型”,并发布Agentic Transformation共建计划。该架构旨在将专家判断转化为可积累的资产,推动企业从“租用智能”走向“主权智能”。此前特赞在WAIC展示的主观世界模型行为模拟准确率达85%。
拜耳作物科学基于 Amazon Bedrock AgentCore 构建 Agentic Decision Engine (ADE),作为多智能体自然语言接口连接其 Connected Decision Engine。ADE 在生产环境运行 22 个专家智能体,利用 LangGraph 编排,第一阶段可独立解决约 80% 的用户问题。此前诊断工作流故障需超过一小时,现缩短至 10 分钟以内。
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了企业知识助手,利用原生 SharePoint 连接器直接摄取文档,无需自建 RAG 基础设施。该方案支持四国语言混合检索与文档级权限控制,团队使用 Kiro 和 Claude Haiku 4.5 完成了从前端到部署的全栈开发。
Moshi CEO Anekha Sokhal 在 AI Engineer New York 分享其从 JPMorgan 能源衍生品交易员转型为创始人的经历。她介绍 Moshi 是一款结合市场数据、交互界面与个性化推荐的交易工具,旨在解决信息过载问题。Anekha 强调 AI 工程师需适应“一人即团队”的高压环境,并主张在招聘前优先与用户沟通以明确需求。
AI 推理产生的后端数据量远超用户可见输出,例如 8 秒视频仅 3.97MB 却留下超 500MB 后端数据。麦肯锡预测 AI 推理需求到 2030 年将占数据中心总需求 40% 以上,迫使企业重新评估存储预算。
U.S. Hunger 利用 Amazon Quick 连接领导层与数据,使 CEO 能直接探索 Full Cart 项目数据并减少技术团队依赖。通过 Quick Spaces 共享 KPI 定义与财务文档,17 名员工得以在统一语境下协作分析。该组织此前已交付超 2.5 亿份餐食,并实现了四年 500% 的业务增长。
NVIDIA 扩展开源 Agent Toolkit,新增 Agent Knowledge Foundation 以利用公司数据增强智能体能力。该基础包含 CUDA-X 库、Auto-Ontology 以及 Nemotron Retriever 和 Kumo 系列开放模型,支持在 Palantir、Databricks 等环境中部署。
Octave 在 Amazon Bedrock 上构建了基于 Cohere Embed v4 的三层多租户 AI 基础,将每个用例的部署时间缩短了 50%。
本文演示在 AWS 上利用 Strategy Mosaic 作为语义层,通过 MCP 协议连接 Amazon Bedrock AgentCore 托管的 Strands 智能体。
DeepSeek 10月18日公告其 API 已支持网页搜索与抓取,按每 1000 次成功请求 5 元计费。该 Search/Fetch 接口此前于10月17日上线,使用自研搜索引擎为 Agent 与 RAG 提供实时网页内容。目前在 DeepSeek Harness、Claude Code、Codex 中调用暂未收费,将于2026年11月1日起按次计费。