跳到正文

#教程/实践

今日 5 条
10月2日周五
10月1日周四
9月30日周三
  1. AWS Machine Learning Blog62

    Amazon Bedrock AgentCore Runtime Instances 构建多智能体音乐制作流水线教程

    AWS 教程演示在 Amazon Bedrock AgentCore Runtime Instances 上部署三个协作智能体,共同生成、母带处理并审核可播放的 .wav 音乐文件。

    推荐理由:教程用共享会话把三个独立部署的智能体放到同一 GPU 实例,适合参考长周期多智能体工作流的工程编排方式。

  2. Databricks:Blog(RSS)72

    Databricks 如何在发布首日向 12,000 名员工推出前沿模型

    Databricks 介绍了基于 Unity Gateway 的新模型上线流程:首日以实验模式向全员开放,通过每用户预算限制支出,再依据私有基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下架。

    推荐理由:文章拆解了企业在全员快速试用新模型时,如何用预算、基准和真实会话成本控制风险并决定默认模型。

9月29日周二
  1. Databricks:Blog(RSS)74

    Databricks 如何在首日向 14,000 名员工推出前沿模型

    Databricks 介绍了通过 Unity Gateway 在新模型发布首日向员工开放实验性访问、按用户预算控制成本,并在三天内依据基准、用户反馈和 OpenTelemetry 成本追踪决定是否推广的流程。

    推荐理由:文章拆解了企业在新模型发布首日开放、预算约束和三天内依据质量与成本信号决定推广的完整流程。

  2. Databricks:Blog(RSS)42

    如何推行 Genie One:企业分步落地指南

    Genie One 是面向业务用户的数据智能 AI 同事,支持自然语言提问、引用受治理数据来源并触发后续多步骤工作。企业推行包含 Genie One、Genie Agents、Genie Ontology 与 Unity Catalog 四个组件,并应先从单一团队和明确问题集启动试点。试点前需定义语义层、指定负责人、配置权限与审计,并用 25 到 50 个真实问题评估答案质量。

9月28日周一
  1. AWS Machine Learning Blog38

    如何用 Amazon Nova Act 实现智能体驱动的合成监控

    AWS 文章介绍了基于 Amazon Nova Act 与 Amazon Bedrock AgentCore 的智能体合成监控方案,用多模态 LLM 读取 UI 截图替代 DOM 选择器,早期企业用例中浏览器工作流准确率超过 90%。方案由 EventBridge Scheduler 按 5 分钟至 1 小时调度,失败时通过 Amazon SNS 告警,并提供含完整实现的示例仓库。

  2. Databricks:Blog(RSS)44

    营销与数据工程最常误解的 24 个营销数据术语

    Databricks 指南梳理了营销与数据工程团队常产生分歧的 24 个营销数据术语,并围绕活动执行中的五个实际问题组织内容。指南对比了双方对 Event、Customer、Segment、Audience、Activation 等术语的不同理解,建议团队在工作开始前统一定义、确认数据来源与身份口径,以避免活动返工和额外成本。

9月26日周六
  1. AWS Machine Learning Blog65

    NarrateAI 如何在 Amazon Bedrock 上实现生产级 LLM 质量保障

    AWS 介绍 NarrateAI 在 Amazon Bedrock 上用五项工程机制实现生产级 LLM 质量保障,服务超过 4,000 名 AWS 高管用户。系统通过自适应流水线让约 90% 查询走单次 LLM 调用,混合成本约为每次查询 1.4 次 LLM 调用;跨账号多模型故障转移把模型与账号组合成独立配额空间,负载测试支持超过 100 名用户并发流式请求。

    推荐理由:文章拆解了自适应路由、跨账号故障转移、流式评估和数值校验的工程组合,适合构建生产级 LLM 应用时参考。

9月25日周五
  1. Databricks:Blog(RSS)37

    在 Databricks 上用 SQL 运行 open-Jev

    Databricks 展示如何在其平台上部署开源决策模型 SemIf-OpenJev,并通过 SQL 中的 ai_query 直接对受治理数据运行结构化分类。该方案使用 Serverless GPU 与 AI Runtime,经 Notebook 自动下载模型、通过 Express Deployments 注册并创建 GPU Model Serving 端点,示例用于将酒店评论分类为好评或差评。

  2. AWS Machine Learning Blog42

    在 SageMaker AI 上使用 WhisperX 实现带说话人标签的语音转录

    AWS 推出 WhisperX 深度学习容器,可在 Amazon SageMaker AI 上部署带逐词时间戳和说话人标签的语音转录服务。该容器基于 OpenAI Whisper,集成 wav2vec2 强制对齐与说话人分离,支持 json、srt、vtt 等输出格式,无需自建镜像。实时端点适用于 60 秒内的短音频,异步端点适用于长音频与批量任务。

9月24日周四
  1. AWS Machine Learning Blog40

    HEMA 如何用 MCP 与 Amazon Bedrock AgentCore 打造内部 AI 助手 HAL,告别跨门户查找

    荷兰百年零售商 HEMA 基于 Amazon Bedrock AgentCore 和 MCP 构建内部 AI 助手 HAL,将分散在 wiki、服务目录与 IT 门户的知识统一接入员工常用工具。HAL 支持 HAL web chat、Kiro、Claude 等 MCP 客户端,通过 Microsoft Entra ID 认证,当前为只读访问,原本需跨三四个门户查找的答案现在数秒内即可获得。

9月23日周三
  1. Claude:Blog(网页)74

    Anthropic 指南:如何准备 AI 驱动的代码现代化项目

    Anthropic 发布企业代码现代化准备指南,提出用 Claude Code 动态工作流前应完成六步:定义目标、建立变更证书、制定分级上线策略、准备环境与审批、构建并试运行智能体工作流、先小规模验证再扩展。指南区分 Uplift、Transform、Reimagine 三类现代化,并说明测试、差分验证、人工审查、CI/CD、安全合规和 token 成本估算等关键准备事项。

    推荐理由:文章把企业代码现代化拆成目标、证据、上线策略和工作流等六步,适合准备用 Claude Code 推进大规模改造的团队对照落地。

9月17日周四
  1. GitHub Blog · AI & ML83

    GitHub 借助 Copilot 将 Copilot agent runtime 迁移到 Rust

    GitHub 借助 GitHub Copilot app 和 Copilot CLI,将 Copilot agent runtime 从 TypeScript、Node.js 与 V8 技术栈完整重写为 832,378 行生产 Rust,另有 468,689 行 Rust 单元测试。

    推荐理由:文章用真实迁移数据拆解了渐进式重写、跨会话协作和人工审查边界,可为大型代码库的 AI 辅助迁移提供方法参照。