Bayer Crop Science 如何用 Amazon Bedrock AgentCore 与 AWS Unified Operations 构建智能体决策引擎
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了多智能体自然语言决策引擎 ADE，第一阶段约 80% 的用户问题无需工程师介入即可解决。
#RAG
AWS Machine Learning BlogAI 评分3838
AWS Machine Learning BlogAI 评分3030 IskayPet 如何用 Amazon Bedrock Managed Knowledge Bases 统一企业知识
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手，覆盖零售运营、兽医护理、人事入职和采购，支持四种语言、三个国家，无需自建 RAG 基础设施。
AWS Machine Learning BlogAI 评分1818 U.S. Hunger 如何用 Amazon Quick 连接领导层与数据
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据，并通过 Quick Spaces 共享 KPI 定义、财务文档与分析，目前已有 17 名同事获得访问权限。其数据由 Impact Manager 平台经 SQL Server 每晚 2 点（美东时间）刷新至 SPICE 内存引擎，CEO 日常以聊天为主要 AI 工作区，最常用 Spaces 功能。
AWS Machine Learning BlogAI 评分3636 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%。该平台为 Reliance 质量管理系统的 650 多家企业客户嵌入 2 亿级文档，并通过 AgentCore Gateway 隔离执行、Bedrock Guardrails 双重过滤保障租户数据不越界。
AWS Machine Learning BlogAI 评分4040 用 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能
Amazon Quick 与 Amazon Bedrock AgentCore 组合，把企业 MCP 服务器变成可组合工具层，让供应链管理者用自然语言跨系统提问并直接执行操作。演示中一次查询识别出 TechComp 停产影响 23 笔订单、$750K 营收面临风险，并自动生成应急 RFQ。答案来自实时记录系统而非模型记忆，所有变更需指定人工审批。
AWS Machine Learning BlogAI 评分3434 用 Strategy Mosaic 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
AWS 发布系列第三篇教程，演示用 Strategy Mosaic 作为语义层、在 Amazon Bedrock AgentCore 上运行 Strands 智能体，跨 Amazon Redshift 与 Amazon Aurora 两个关联模型实现无需 ETL 的 Customer 360。
AWS Machine Learning BlogAI 评分3636 用 Denodo 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
本文演示用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体，联邦查询 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 三处数据源。
AWS Machine Learning BlogAI 评分3838 用 Amazon Bedrock AgentCore 生成演示文稿
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可将季度报告、合规文档等自动生成 PowerPoint 演示文稿，内部测试中耗时不到 90 秒。
AWS Machine Learning BlogAI 评分3838 ShipStation Global 如何基于 Amazon Bedrock AgentCore 构建 AI IT 服务台 Deckhand
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand，可回答常规 IT 与公司问题、识别报错截图并创建和更新 Jira Service Management 工单。
AWS Machine Learning BlogAI 评分2828 Orca Security 基于 Amazon Bedrock 打造自然语言安全查询 Discovery AI
Orca Security 与 AWS 合作在 Amazon Bedrock 上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。
AWS Machine Learning BlogAI 评分3636 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 披露其 Agent Mode 在 Amazon Bedrock 上支撑 4000 万开发者的生产架构，核心经验是把上下文而非模型能力视为主要瓶颈。
AWS Machine Learning BlogAI 评分3434 Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。
AWS Machine Learning BlogAI 评分3434 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，缩短 78%。该系统还把手动生命周期步骤从 10 步以上压缩为 1 次交互，冗余告警中位数减少 65%，SRE 与数据团队之间的 15 分钟报告延迟降为实时。三人团队用六个月完成交付。
AWS Machine Learning BlogAI 评分2222 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
Qlik 基于 Amazon Bedrock 打造 Qlik Answers，为全球超 4 万名客户提供带来源引用的企业级问答。其 Discovery Agent 上线以来已为客户发现超 10 万条异常与离群点，多数启用智能体工具的 Qlik Cloud 账户已在日常使用。
AWS Machine Learning Blog精选AI 评分6262 在 AgentCore 与 OpenClaw 上构建具备上下文记忆的 AI 助手
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw，构建能跨会话积累上下文的个人助手。
推荐理由：原文给出在 AgentCore 上搭建带长期记忆助手的完整架构与可复用设计准则，含记忆分层与提示词缓存的具体做法。
AWS Machine Learning BlogAI 评分4040 用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
Amazon Bedrock Managed Knowledge Base 上线智能体检索，通过 AgenticRetrieveStream API 把多部分问题拆成子查询、执行并判断证据是否充分，不足则再次检索，而 Retrieve API 只做一次混合搜索。
AWS Machine Learning BlogAI 评分3131 用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言转为固定类型操作并叙述结果。该模式通过完整性回执保证"已扫描 = 合规 + 违规 + 模糊 + 不可读"，并保留规则版本、条款文本、方法与日期等可辩护记录，适用于租约合规、制裁筛查、保险理赔等高风险场景。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 团队介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。
推荐理由：AWS 团队公开了用多轮 RL 微调搜索智能体的完整配置与四个基准的对比数据，可据此评估该方法在自有检索场景的迁移成本。
Hugging Face Blog精选AI 评分6161 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中以 Fast 模式上线，同时开放模型权重和训练数据。
推荐理由：原文给出 AstaBrief 的训练数据构造与过滤细节，读者可据此判断小模型做科学报告生成的可行路径。
AWS Machine Learning BlogAI 评分3636 Amazon Quick 推出 Live Data in Apps：AI 构建的应用可实时查询受治理数据集
Amazon Quick 为 AI 构建的 Quick Apps 推出 Live Data in Apps，应用每次打开时都会实时查询受治理的 Quick Sight 数据集，而非使用构建时的静态快照。
AWS Machine Learning BlogAI 评分3434 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过实现 MemoryEditor 插件接口，将 Amazon S3 Vectors 接入为自定义持久记忆后端，单索引支持最多 20 亿向量。NAT 是开源、框架无关的智能体构建与优化框架，已内置 Mem0、MemMachine、Redis、Zep 四种记忆提供方，此次方案以多智能体投资研究为示例，部署在 Amazon EKS 上。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 五大热梗：该不该读 AI 代码、RAG 已死、Skills 是否杀死 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门论断：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 解决的是不同问题，前者是可读的打包经验，后者是智能体连接工具与数据的标准，二者可组合使用。
Google ResearchAI 评分3636 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散检索器绕过查询扇出推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search，用多步检索循环替代传统 RAG
Mistral 发布 Agentic Search，一种让模型在文档中搜索、打开、导航、读取和 grep 的多步检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断传统 RAG 的替代路径。