Octave 如何基于 Amazon Bedrock 构建安全的多租户 AI 基础平台
Octave 在 Amazon Bedrock 上用 Cohere Embed v4 构建三层多租户 AI 基础平台，将每个用例的部署时间缩短 50%。
#部署/工程
安全实践AWS Machine Learning BlogAI 评分3333 安全实践AWS Machine Learning BlogAI 评分3838 Eon 如何在 Amazon Bedrock AgentCore 上用 MCP Gateway 构建多云调查能力
Eon 基于 Amazon Bedrock AgentCore 搭建统一的 MCP Gateway，把原先分散在各云平台的逐工具凭证和本地 MCP 进程替换为单一认证网关，让开发者和自主智能体统一访问 AWS、GCP、Azure 三朵云上的调查工具。
安全实践AWS Machine Learning BlogAI 评分4040 如何在 AWS 上用 X.509 PKI 保障 AI 智能体身份安全
AWS 与 Keyfactor 联合发布参考架构，用 Keyfactor EJBCA 的 X.509 PKI 为基于 MCP 的 AI 智能体建立可验证、可撤销的加密身份。
安全实践LangChain BlogAI 评分3838 Numan 如何用 LangGraph 和 LangSmith 打造评测优先的 AI 健康教练
英国数字健康公司 Numan 用 LangGraph 构建 AI 健康教练 Nu，由 supervisor 模型调度多个领域子智能体，并以 LangSmith 支撑评测。团队发现单轮固定用例和预写多轮脚本都会误判教练行为，改为按类别由 LLM judge 打分，且所有评测都跑在生产同一张 LangGraph 图上。评测套件可跨模型供应商复用，使一次前沿模型迁移从数周手动测试缩短到一天。
安全实践AWS Machine Learning BlogAI 评分3131 Deepgram 如何用 AWS Trainium2 优化语音 AI 推理
Deepgram 与 AWS 团队将 Nova-3 语音转文字模型移植到 AWS Trainium2，用于联络中心分析、医疗转写等离线批处理场景，最终配置在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本。
安全实践AWS Machine Learning BlogAI 评分5858 AWS 用 Amazon Bedrock AgentCore 搭建九阶段 AI 智能体评测框架
AWS SMGS 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了覆盖从首次提交到生产运行的九阶段智能体评测框架，用于其面向全球销售团队的多智能体系统。
安全实践Databricks BlogAI 评分2020 Atlassian 如何在 Databricks 上构建 OCSF 安全湖仓
Atlassian 在 Databricks 上构建了基于 OCSF 的安全湖仓，以应对其全球规模下积累二十年的日志噪声问题。该方案旨在降低安全数据噪声，提升日志分析效率。
安全实践vLLM BlogAI 评分4040 在 vLLM 中极致优化 Kimi K3：借助 CuTe DSL 加速 GB300 解码
vLLM 团队借助智能体辅助的 CuTe DSL 优化，加速 Kimi K3 在 NVIDIA GB300 上的解码。团队通过限定范围的改动、正确性测试和可复现基准，确保这些优化能够负责任地上线。
安全实践Databricks BlogAI 评分3030 Databricks 用 400 万条语料实测 Lakebase Search：从 1M 到 4M 行的规模经验
Databricks 以内部应用 Slide Hub（约 700 份演示文稿、2.3 万条幻灯片）为基准，实测 Lakebase Postgres 内置搜索在 1M 到 4M 行公开语料下的表现。
安全实践AWS Machine Learning BlogAI 评分2222 Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami
Tamnoon 基于 Amazon Bedrock 构建了智能体云修复编排器 Tami，可自主调查 CNAPP 与云原生来源的安全发现并评估修复安全性，再生成带护栏与治理的修复方案。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。Tami 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 调用最适合各任务的基础模型。
安全实践Simon WillisonAI 评分2222 用 Python 3.15 剖析 web-edit：火焰图与源码热力图
用 Python 3.15 内置的 profiling.sampling 对未修改的 web-edit 应用做采样剖析，发现混合换行符保留是编辑负载的主要开销：preserve_endings 出现在 15,296 个 CPU 栈的 64.8% 中，SequenceMatcher.find_longest_match 占叶子样本的 38.3%。
安全实践LangChain BlogAI 评分3838 LangChain 如何用 Deep Agents 让文档代码示例自我测试
LangChain 借助 Deep Agents CLI 与 docs-code-samples 技能，把文档中的内联代码示例迁移为可测试的独立文件，并自动加上 :snippet-start: / :snippet-end: 标记、运行测试、生成 Mintlify 片段。
安全实践LangChain BlogAI 评分4242 LangChain 用 harness engineering 将 Deep Agents 编码智能体从 Terminal Bench Top 30 提升至 Top 5
LangChain 通过 harness engineering 将其编码智能体在 Terminal Bench 上的排名从 Top 30 提升至 Top 5，核心手段包括自我验证、追踪和上下文优化。
安全实践GitHub Blog · AI & MLAI 评分4040 GitHub 用 ModernBERT 分类器重构密钥扫描：误报减少、成本降 98%
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，在保持正则候选召回的基础上结合文件路径、变量名和上下文判断是否为真实凭据。该方案使推送后扫描中位执行时间缩短 86%、服务成本降低逾 98%，用户对告警的接受度提升 11.5%，并让通用密钥检测得以扩展到推送保护阶段。
安全实践AWS Machine Learning BlogAI 评分2222 Orca Security 用 Amazon Bedrock 打造自然语言安全查询
Orca Security 与 AWS 合作，基于 Amazon Bedrock 构建了自然语言查询智能体 Discovery AI，可将自然语言问题转换为 Sonar 查询。相比最初基线，查询成本降低 90%、输入 token 减少 93%、延迟降低 75%，目前每天处理数千次查询，响应时间 15 秒。
安全实践AWS Machine Learning BlogAI 评分4040 Amazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在解码阶段因 token 行数过薄导致的 GPU 利用率瓶颈，团队通过 Swap-AB 转置让专家维度 N=8192 进入 WGMMA 首个操作数位置，在 H200 上实现端到端输出吞吐提升 2–4%，该优化已合入 vLLM 0.24.0 及更高版本。
安全实践AWS Machine Learning BlogAI 评分4040 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 的 Agent Mode 运行在 Amazon Bedrock 上，为 4000 万开发者提供跨 API 测试、文档、发现与实现的 AI 原生工作方式。
安全实践Simon WillisonAI 评分3838 Simon Willison 用 Codex 语音模式为博客新增 Newsletters 页面
Simon Willison 用 ChatGPT 桌面版 Codex 标签页的语音对话模式，在做饭的约半小时里几乎全程靠语音为博客开发出 Newsletters 页面，模型为 GPT-6 Astra High。
安全实践Hugging Face BlogAI 评分4040 Ai2 如何用 GPU 时间预算与分层公平分配改进集群调度
Ai2 用 GPU 时间预算、分层公平分配和时间切片契约替换了原有的优先级调度器，把各研究项目该分多少 GPU 时间的争论从逐案运维操作转为透明的行政预算流程。
安全实践BleepingComputerAI 评分2222 如何将 AI 智能体限制在其权限范围内
Token Security 联合创始人兼 CTO Ido Shlomo 提出，AI 智能体越权使用凭证的根源在于 AWS 等系统只校验签名而不校验持钥者身份，因此管控应落在工具调用层。他列举托管智能体设置、运行时钩子、网关、沙箱和端点管控五种执行点，并指出推理检查属概率性控制，无法替代能实际阻断操作的缓解措施。
安全实践Hugging Face Blog精选AI 评分7070 作者用 ML Intern 两天训练六个模型，总花费约 103 美元
Hugging Face 作者借助 HuggingChat 中的 ML Intern，用提示词驱动完成六个模型的训练、评测与发布，总计算花费约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本，可在 CPU 上运行，输出有效率 99.7%，token 用量约为教师模型的四分之一。
推荐理由：作者用六个真实项目复盘了如何用提示词驱动 ML Intern 完成训练、评测与发布，可迁移到自己的模型定制流程。
安全实践AWS Machine Learning BlogAI 评分3838 用 Amazon SageMaker HyperPod 实现 GPU 集群的团队隔离与公平共享
Amazon SageMaker HyperPod 推出基于 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。
安全实践AWS Machine Learning BlogAI 评分2222 AWS 如何帮助客户对齐 ISO/IEC 42005:2025 负责任 AI 治理
AWS 发文解读国际标准 ISO/IEC 42005:2025，指导企业将 AI 系统影响评估纳入整体风险管理体系。该标准覆盖评估全生命周期，Annex D 提供与现有评估流程整合的方法以避免重复，Annex E 提供独立评估模板。
安全实践Simon WillisonAI 评分2222 用 Parseable 与 Datasette 处理 OpenTelemetry traces
Parseable 是一款兼容 OpenTelemetry 的全新可观测性工具，提供 AGPL 开源 Rust 实现（单个约 180MB 二进制文件）、企业版和云托管选项。
安全实践AWS Machine Learning BlogAI 评分2222 如何为智能体自动化构建商业论证：超越节省工时
AWS 提出 Agentic Value Model，用于替代为 RPA 设计的传统 ROI 模型，从时间节省、异常处理、决策质量和变更韧性四个维度衡量智能体自动化的价值。
安全实践AWS Machine Learning BlogAI 评分2222 AWS 发布六周 AI 构建者培养手册：如何弥合 AI 知识与应用能力差距
AWS 提出一套六周结构化培养方案，让非工程背景的业务人员用 Amazon Bedrock、AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。
安全实践AWS Machine Learning BlogAI 评分3737 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 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，减少 78%。该系统由三人团队在六个月内交付，同时把 10 步以上手动生命周期操作压缩为一次交互，并将冗余告警中位数削减 65%。