标签

AI

用 Amazon Quick 串联销售全周期：从线索排序到 CRM 更新

来源: aws.amazon.com 42
销售团队真正稀缺的资源不是数据，而是销售人员的时间。Amazon Quick 所描绘的 agentic AI 队友，重点不只是生成邮件，而是贯穿销售周期：找出优先级最高的潜在客户、准备触达内容、推进交易、协助成交，并在客户关系成熟过程中持续更新 CRM。 这种工作方式的价值在于把多个孤立动作组织成一条可执行链路。不过，企业要把这一思路落地，仍需明确数据...
# AI # AWS # LLM
阅读全文

Amazon Quick 仪表板引入移动布局：让关键指标真正适配小屏

来源: aws.amazon.com 36
团队越来越习惯在晨会、会议间隙或差旅途中查看经营数据，但许多仪表板仍按桌面屏幕设计。用户打开手机后，只能反复缩放、横向拖动，再小心点击筛选控件。Amazon Quick 仪表板引入 Mobile Layout，针对的正是这种高频却低效的使用场景：让移动端不再只是桌面页面的缩小版。 桌面仪表板通常依赖多列网格、大尺寸图表和横向排列的筛选器。把这样的页面等...
# AI # AWS # 云平台
阅读全文

AI 让代码变便宜之后，如何重新计算“答应这个需求”的成本

来源: github.blog 34
生成式 AI 显著压低了编写代码的时间成本，但它没有替团队承担代码合并后的责任。测试、评审、部署、监控、安全更新、故障处理和最终下线仍然需要工程师完成。因此，评估一个需求是否“便宜”，不能只看完成首个版本需要几小时，还要计算它会在未来几年里制造多少持续工作。 过去，团队拒绝一个边缘需求，常见理由是“开发要两周”。当 AI 能快速生成接口、页面、测试框架...
# AI # GitHub # 全栈
阅读全文

在 AWS 上构建远程 MCP Server：从安全边界到弹性扩缩容

来源: aws.amazon.com 44
Smartsheet 构建远程 MCP Server 的案例，重点不只是“让模型调用几个工具”，而是如何把 MCP 服务纳入成熟的云基础设施：身份认证、权限治理、弹性扩缩、持续部署，以及面向 AI 工作负载的专门优化。远程 MCP 一旦连接企业数据和写操作，就应当按生产 API，而不是按实验性提示词组件来设计。 一个典型的 AWS 部署可以把流量链路拆...
# AI # AWS # Go
阅读全文

在 AWS 上理解 Eclipse Dataspace Components：从数据空间协议到控制面与数据面

来源: aws.amazon.com 39
企业之间共享数据，难点通常不在“把文件传过去”，而在于谁能发现数据、依据什么条款使用、如何建立信任，以及传输后怎样保留审计记录。Eclipse Dataspace Components（EDC）试图解决的正是这组跨组织问题：参与方保留各自的数据控制权，通过标准协议协商合同，再按约定完成数据传输。 这套系列内容分三部分，从 IDSA、Dataspace ...
# AI # AWS # 云原生
阅读全文

从原型到治理：用 Gemini Enterprise Agent Platform 构建企业级智能体

来源: cloud.google.com 35
Gemini Enterprise Agent Platform 展示的 13 个动手演示，不只是 13 个彼此独立的样例，而是一条完整的工程路径：用 ADK 编写智能体，通过 MCP 和 A2A 接入工具与其他智能体，部署到托管运行时，再补齐持久状态、安全治理、可观测性和持续评估。 真正值得关注的变化，是智能体开发开始从“写一个能回答问题的提示词”转...
# AI # GCP # Go
阅读全文

用 IAM 数据治理标签升级 BigQuery 列级安全

来源: cloud.google.com 26
BigQuery 的策略标签长期承担着敏感列保护任务，例如限制用户读取邮箱、证件号和银行卡号。随着数据跨项目、跨区域扩张，区域级分类体系开始面临重复维护、灾备同步和集中治理等问题。处于预览阶段的 IAM 数据治理标签建立在 Resource Manager 标签体系之上，把全局数据分类与区域安全策略拆开管理，为 BigQuery 列级安全提供了新的实现...
# AI # GCP # Go
阅读全文

Google Cloud 近期更新解读：AI Agent 正从原型走向可治理的生产系统

来源: cloud.google.com 43
Google Cloud 近期发布的信息覆盖 Cloud Run、Apigee、MCP、TPU、GKE、Firestore 和成本管理，但主线相当清晰：企业关注点已经从“模型能否完成任务”转向“Agent 能否被隔离、观测、治理并稳定扩缩容”。这意味着 AI 应用不再只是一个调用模型的 Web 服务，而是一套包含提示词构建、工具授权、代码沙箱、流量治理...
# AI # AWS # Azure
阅读全文

用 NVIDIA NeMo AutoModel 与 Diffusers 扩展图像和视频模型微调

来源: huggingface.co 38
图像与视频生成模型的微调，难点通常不在“让训练脚本跑起来”，而在于把单卡实验稳定扩展到多 GPU、多节点环境。围绕 NVIDIA NeMo AutoModel 与 Hugging Face Diffusers 的组合，可以把问题拆成两层：Diffusers 负责扩散模型、调度器和推理管线等模型语义，NeMo AutoModel 面向规模化训练所需的模型...
# AI # Hugging Face # LLM
阅读全文

可信智能体 AI 不必重造基础设施：云原生正在成为它的运行底座

来源: infoq.com 42
智能体 AI 带来的变化不只是模型更强，而是软件开始自主调用 API、操作数据并持续执行多步任务。CNCF 发布的技术分析提出了一个务实判断：支撑这类系统的关键能力，不必从零发明；现代分布式应用已经使用的云原生生态，可以继续承担调度、隔离、可观测性、安全策略和故障恢复等职责。 一个生产级智能体通常包含模型推理、工具调用、状态存储、任务队列和外部服务访问...
# AI # InfoQ # LLM
阅读全文