用 X.509 PKI 保障 AWS 上 AI 智能体身份安全
AWS 与 Keyfactor 联合推出参考架构，用 Keyfactor EJBCA 结合 AWS 服务为 AI 智能体建立 X.509 PKI 加密身份，弥补 MCP 缺乏内置认证标准的缺口。
#MCP/工具调用
AWS Machine Learning BlogAI 评分4646 AWS Machine Learning BlogAI 评分5252 AWS Agent Registry 实现智能体运行时工具发现教程
AWS 官方博客介绍如何用 AWS Agent Registry 在运行时发现工具，替代把所有工具硬编码进编排器的做法，走 Discover → Instantiate → Execute 循环。
Mistral AI精选AI 评分7474 Mistral AI 发布 Voxtral 3 语音模型家族与语音 Agent SDK
Mistral AI 发布 Voxtral 3，包含语音转文本、文本转语音模型与基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用与说话整合进单一实时流式管线，每轮对话在 1 秒内完成。
推荐理由：原文给出各模型定价与多项评测口径，读者可据此比较它与现有语音方案的成本和适用场景。
GitHub Blog · AI & MLAI 评分4343 3 位 Java Champion 分享用 GitHub Copilot 提升生产力的实践
3 位拥有 10 年以上经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的实践，其中 Vlad Mihalcea 借助 Copilot 将原本需数周开发的 Hypersistence Optimizer 事件历史 Web 应用缩短到两天完成。
AWS Machine Learning BlogAI 评分4545 在 AWS 上用 AtScale 和 Amazon Bedrock AgentCore 构建面向智能体 AI 的语义层
AWS Machine Learning Blog 系列第三篇演示了如何用 AtScale 作为语义层，在 AWS 上为智能体 AI 构建 Customer 360 场景。
AWS Machine Learning BlogAI 评分4545 用 Strategy Mosaic 和 Amazon Bedrock AgentCore 在 AWS 上构建 agentic AI 语义层
AWS Machine Learning Blog 系列第三篇演示如何用 Strategy Mosaic 作为语义层，在 Amazon Redshift 和 Amazon Aurora 两个数据源上建模 Customer 360。
AWS Machine Learning BlogAI 评分4444 在 AWS 上用 Denodo 和 Amazon Bedrock AgentCore 构建 Agentic AI 语义层
AWS Machine Learning Blog 演示了如何用 Denodo Platform 作为语义层，在 Amazon Bedrock AgentCore 上托管 Agentic AI 智能体，联邦 Amazon Aurora、Amazon Redshift 与本地 PostgreSQL 数据源，形成单一 customer 360 视图。
Hugging Face BlogAI 评分5858 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管模型接入
Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
GitHub Blog · AI & MLAI 评分4545 GitHub Copilot 如何在 VS Code 中继续 app 会话
GitHub Copilot 支持把 app 会话直接在 VS Code 中打开，保留原有对话、代码改动与 worktree 上下文，无需重建任务。
AWS Machine Learning BlogAI 评分4444 用 Amazon Bedrock AgentCore 构建自我改进的文档处理系统
AWS 介绍如何用 Amazon Bedrock AgentCore 搭建一套智能文档处理（IDP）系统，由 8 个专用 Agent 协作完成文档分类、抽取、校验与自我学习，通常 20 分钟内即可部署。
AWS Machine Learning BlogAI 评分5656 Anchor Browser 集成 Amazon Bedrock AgentCore payments 让 AI 智能体自主完成 x402 付费
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成现已在 AWS Marketplace 上线，让 AI 智能体在遇到 HTTP 402 Payment Required 时能自主完成 x402 协议付费，覆盖付费网页与付费 API。
AWS Machine Learning BlogAI 评分3434 用 managed entitlements 管理 Amazon Bedrock 的私有定价报价
Amazon Bedrock 通过 managed entitlements 简化多账户访问第三方 AI 模型，可从中心账户一次订阅并向组织分发访问权限。
AWS Machine Learning BlogAI 评分5555 ShipStation Global 如何在 Amazon Bedrock AgentCore 上构建 AI IT 帮助台 Deckhand
ShipStation Global 工程团队在 Amazon Bedrock AgentCore 上构建了 Slack AI IT 帮助台 Deckhand，上线三个月处理 1,935 条消息、回复率达 97.5%、员工好评率 96%。
AWS Machine Learning BlogAI 评分5858 Amazon Bedrock 在东南亚五地开放 OpenAI GPT-6 全球跨区域推理
Amazon Bedrock 在泰国、马来西亚、新加坡、印尼和台湾五个 AWS Region 通过全球跨区域推理提供 OpenAI GPT-6 Sol 和 GPT-6 Luna，GPT-6 Astra 则从 Asia Pacific (Singapore) 提供。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app for Beginners：如何让 Copilot 了解你的代码库
GitHub 官方教程介绍四种让 Copilot 掌握项目约定的方式：用 .github/copilot-instructions.md 和 .github/instructions 下带 applyTo 字段的路径级文件定义仓库规范。
AWS Machine Learning BlogAI 评分4444 使用 Ray LLM Deep Learning Containers 运行多节点推理工作负载
AWS 推出多节点 Ray LLM Deep Learning Containers，可在 Amazon EKS 上将单个大语言模型部署到两个 GPU 节点，通过一个 OpenAI 兼容端点实现 prefill/decode 分离推理。
AWS Machine Learning BlogAI 评分4545 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 展示了如何在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型：标准路径通过 AWS DLC for llama.cpp 提供 OpenAI 兼容的 chat completions，SemIf 扩展则直接返回各选项概率而不生成答案 token。
AWS Machine Learning BlogAI 评分5656 Amazon Bedrock AgentCore payments 支持 AI 智能体按次付费推理
Amazon Bedrock AgentCore payments 让 AI 智能体在运行中按需付费购买服务，Incarna 借此让其智能体逐次向 BlockRun 支付模型推理费用并已投入生产。
AWS Machine Learning BlogAI 评分3434 用 Amazon SageMaker HyperPod 实现多团队共享 GPU 集群的隔离与公平
AWS 提出一套基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群并保持隔离与资源公平。
AWS Machine Learning BlogAI 评分4646 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和开源编排框架 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，缩短 78%。
AWS Machine Learning BlogAI 评分4444 用 AWS Lambda Durable Functions 自动化 AWS DevOps Agent 调查后的修复流程
AWS 展示了如何用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 搭建自动化修复工作流，补全 AWS DevOps Agent 的调查结果到问题修复环节。
AWS Machine Learning BlogAI 评分4444 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾服务
AWS 展示了如何用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova Sonic 为航司应用构建语音旅行礼宾，支持改座、查延误、答政策问题并转接人工坐席。
AWS Machine Learning BlogAI 评分4141 Amazon SageMaker AI 推出 aws-ai-ml skill，为 Kiro、Claude Code、Codex 等编码智能体注入推理优化能力
Amazon SageMaker AI 优化生成式 AI 推理推出 aws-ai-ml skill，通过 Agent Toolkit for AWS 安装后，可让 Kiro、Claude Code、Codex 等任何支持 MCP 的编码智能体具备推理优化与基准测试能力。
AWS Machine Learning BlogAI 评分4141 用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统的可解释性与有用性
Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器，可对多智能体系统在有用性、任务成功、指令遵循等维度打分，并将可解释性作为独立评估维度。
AWS Machine Learning BlogAI 评分4141 用 MCP Server 实现 Amazon Quick 跨账号资源的自动化、可审计迁移
AWS 展示了如何用托管在 Amazon Bedrock AgentCore 上的 Quick Resource Migrator MCP server，把 Amazon Quick 的 chat agents、action connectors、knowledge bases、flows 和 spaces 从开发账号一键迁移到生产账号。
AWS Machine Learning BlogAI 评分3636 为 Claude Desktop 接入 Amazon Bedrock AgentCore 安全 Web Search 的配置指南
Amazon Bedrock AgentCore Gateway 新增 Web Search 能力，可让 Claude Desktop 突破模型训练知识截止限制，获取实时信息。
AWS Machine Learning BlogAI 评分5151 用 Amazon Quick 和 Adjudicated Query 模式做租约合规检查
AWS 介绍了一种名为 Adjudicated Query 的设计模式，用 Amazon Quick 的对话界面处理数万份租约的合规检查，而通过/不通过的判定始终由确定性规则引擎完成，模型只负责把自然语言问题翻译成固定 MCP 工具调用并复述结果。
AWS Machine Learning BlogAI 评分4444 用 Amazon Bedrock AgentCore 上的智能体 AI 扩展云迁移
一个覆盖 300+ 应用、有固定财年截止期限的企业迁移项目，用 Amazon Bedrock AgentCore 上的四智能体模式把每个应用的 IaC 开发时间从 3 至 4 周缩短到几分钟。
AWS Machine Learning BlogAI 评分4949 用 Amazon Bedrock AgentCore 构建 ambient agents：从事件驱动信号到 human-in-the-loop 工作流
AWS 介绍了用 Amazon Bedrock AgentCore 构建 ambient agent 的参考实现，让 agent 响应 Amazon S3 事件等信号自动执行任务，并通过单一 ask_human 工具在需要时暂停等待人工审批。
AWS Machine Learning BlogAI 评分4444 Claude Platform on AWS 多环境访问实施指南
AWS Machine Learning Blog 发布了 Claude Platform on AWS（CPonAWS）多环境访问的完整分步实施指南，覆盖 AWS 生产负载、开发者笔记本和外部 CI/CD 三类环境。
AWS Machine Learning BlogAI 评分5353 用 Amazon Bedrock Knowledge Bases 构建可引用的保险理赔问答助手
AWS 官方教程演示如何用 Amazon Bedrock Knowledge Bases 和 AgenticRetrieveStream API 构建一个用自然语言查询理赔记录并返回引用的助手。
OpenAI NewsAI 评分3737 OpenAI DevDay 2026 回顾：GPT-6 Astra 等 20+ 项发布
OpenAI DevDay 2026 公布超过 20 项发布，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全及面向开发者的多项新工具。
Hugging Face BlogAI 评分3636 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 发布论文 ProvenanceGuard，一种面向 MCP 智能体的生成后验证层，可区分"事实有据"与"来源归属正确"，专门检测把某来源的事实错误归到另一来源的跨来源混淆。在 281 条医疗智能体真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在与四种支持性检查器的对比中取得最高分。
AWS Machine Learning BlogAI 评分3838 用 Amazon Nova Act 与 Bedrock AgentCore 实现合成监控
亚马逊云科技介绍用 Amazon Nova Act 结合 Amazon Bedrock AgentCore 构建智能体驱动的合成监控方案，以自然语言动作替代 Selenium、Playwright 的 DOM 选择器脚本。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义的双向界面，用户通过 /create-canvas 技能用自然语言描述需求即可生成看板、发布清单或仪表盘等工具，无需编写代码。canvas 以扩展形式保存，可随项目共享或作为个人扩展复用，用户与智能体可同时操作并即时同步状态。Awesome Copilot 社区已提供发布说明、看板、issue 分诊等现成 canvas 扩展。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 为什么说聊天框是错误 UI：用 canvas 替代 chat
GitHub Copilot 提出 canvas 概念，即在 GitHub Copilot 应用内运行的小型全栈应用，无浏览器外壳，可与 agent 双向通信，也能调用第三方 API 并在本地执行代码。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动完成 C/C++ 模糊测试
GitHub Security Lab 发布 Fuzzing Taskflow，一个基于 Taskflow Agent 的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness、分诊崩溃并生成漏洞报告。
推荐理由：GitHub Security Lab 开源了面向 C/C++ 的自主模糊测试流水线，读者可了解 LLM 智能体如何接管写 harness、追覆盖率与崩溃分诊。
AWS Machine Learning BlogAI 评分4444 用 AgentCore Gateway 和 MCP 构建多账户 AI 智能体
AWS 介绍如何用 Amazon Bedrock AgentCore Gateway 和 MCP 构建多账户 AI 智能体架构，让数据留在各自 AWS 账户内、仅在查询时按需流出。
AWS Machine Learning BlogAI 评分4444 HEMA 如何用 MCP 和 Amazon Bedrock 打破内部知识孤岛
荷兰零售商 HEMA 基于 Amazon Bedrock AgentCore 和 MCP 构建内部 AI 助手 HAL，将分散在各门户、wiki 中的碎片化知识整合为统一知识层，让工程师在 IDE 或聊天窗口内几秒内获得答案，取代过去跨三四个门户查找的流程。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是智能体连接工具与数据的标准，可组合使用；RAG 并未消亡，它让模型基于训练数据外的文档、内部知识和代码库上下文作答，避免浪费 token 并减少不完整回答。