标签

LLM

别只看每百万 Token 价格：如何为 Amazon Bedrock 选择合适的 OpenAI 模型

来源: aws.amazon.com 40
在 Amazon Bedrock 上比较 OpenAI 模型时，只看每百万 Token 的单价，很容易得到一个看似精确、实际不够有用的结论。生产系统真正承担的成本，通常还包括重试、人工复核、工具调用、上下文长度，以及模型是否一次就能交付正确结果。 更可靠的评估方式，是把价格放回业务结果中：每个正确答案花了多少钱？一次 Agent 任务完整轨迹消耗了多少...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock AgentCore 构建可交互的 MCP Apps

来源: aws.amazon.com 32
MCP Apps 让模型调用工具的结果不再局限于纯文本。通过交互式 HTML widget，同一个 MCP Server 可以把表单、筛选器、图表或审批控件交给 AI Host 渲染，让用户直接在对话界面中完成操作。 这套能力的关键在于：MCP Apps 是与 Host 解耦的标准扩展。只要 ChatGPT、Claude 或其他 AI Host 支持对...
# AI # AWS # LLM
阅读全文

让 Devin 不只会写代码：GPT‑6 Astra 把“自证可用”推进到交付环节

来源: openai.com 38
Cognition 正在借助 GPT‑6 Astra 提升 Devin 测试软件、展示验证结果的能力。这里真正值得工程团队关注的，不只是模型能否生成更多代码，而是智能体能否把“我改完了”推进到“我执行了这些检查，结果如下，你可以据此审查”。目标也很明确：让工程师减少逐行阅读低风险代码的时间，把注意力放在行为变化、边界条件和发布风险上。 目前给出的信息没...
# AI # Go # LLM
阅读全文

Termexo v0.8.7：用 avt 解析器修复终端空白与重绘阻塞

来源: oschina.net 29
终端工作台最难排查的一类问题，不是明显崩溃，而是 Agent 仍在运行，界面却突然空白，状态还显示为“已停止”。Termexo v0.8.7 将重点放在这类终端可靠性问题上：换用 解析器，并修复宽字符、窗口缩窄以及重绘阻塞相关故障。 Termexo 是一个 MIT 开源的 Windows 工作台，用于集中使用 Claude Code、Codex 和 O...
# AI # LLM # 全栈
阅读全文

NVIDIA PAIR：把局域网里的多台电脑变成个人 AI 推理池

来源: infoq.com 34
NVIDIA Personal AI Router（PAIR）现已进入 Beta 阶段。它的目标不是让某一张 GPU 突然拥有更多显存，而是把局域网中多台电脑的推理能力组织起来，自动将 AI 请求分发到合适的节点。对于会同时触发多个模型调用的本地多智能体系统，这种调度方式尤其有价值：规划、检索、编码和审查任务不必再排队挤占同一张 GPU。 理解 PAI...
# AI # InfoQ # LLM
阅读全文

NVIDIA PAIR：把局域网里的多台电脑变成 AI 推理资源池

来源: infoq.com 29
本地 AI 的瓶颈不总是模型太大，也可能是请求太多。单个智能体运行顺畅，并不代表研究、编码、检索等多个智能体同时工作时，一张 GPU 还能稳定响应。处于 Beta 阶段的 NVIDIA Personal AI Router（PAIR）试图解决这个问题：汇集局域网内多台计算机的推理能力，并自动把 AI 请求分配给它们。 PAIR 最适合多个相互独立的模型...
# AI # InfoQ # LLM
阅读全文

从零样本预测到采购订单：用 Amazon Bedrock AgentCore 编排需求决策

来源: aws.amazon.com 38
需求预测真正难的地方，通常不是生成一个数字，而是把这个数字变成一张可解释、可校验、可追溯的采购订单。将 Amazon Chronos2 的零样本预测能力与 Amazon Bedrock AgentCore 的多智能体编排结合起来，可以搭建一条从历史销量到采购建议的自动化链路：不必为每个商品单独训练模型，同时把库存策略、供应商约束、审批规则和审计记录放进...
# AI # AWS # LLM
阅读全文

Covonaut v1.1.2：让 Go Agent 的终端对话更像真正的协作工具

来源: oschina.net 21
Covonaut v1.1.2 的重点，不只是继续补齐 Go Agent 框架能力，还把注意力放到了终端交互本身：对话过程中可以插入旁问，并提供三档输出方式。对于需要在命令行里调试、运行和观察 Agent 的团队来说，这意味着终端不再只是“提交任务并等待结果”的窗口，而可以成为一个可控的工作界面。 Covonaut 以纯 Go 实现，并采用 MIT 协...
# AI # Go # LLM
阅读全文

tsgolint v7 稳定版：让 Oxlint 获得 Go 驱动的 TypeScript 类型感知检查

来源: infoq.com 34
TypeScript lint 的性能瓶颈，往往不在语法扫描，而在类型信息构建。只看 AST 的规则可以很快，但一旦规则需要判断 Promise 是否被处理、类型断言是否安全，或两个表达式在语义上是否兼容，就必须借助 TypeScript 编译器的语义分析。 tsgolint v7 已进入稳定阶段，它通过 编译器提供类型语义，并把这部分能力接入 Oxl...
# AI # Go # InfoQ
阅读全文

从 2026 Django 开发者调查到可复现构建：团队该如何使用 LLM 与锁定依赖

来源: realpython.com 41
2026 年 Django 开发者调查把两个正在重塑 Python 团队工作方式的话题放到了一起：开发者如何把 LLM 纳入日常开发，以及项目如何获得稳定、可复现的构建。前者提高编码速度，后者控制交付风险；如果只关注其中一边，团队很容易得到“写得更快、坏得也更快”的结果。 来源摘要没有提供具体比例，因此不宜凭空解读调查数字。但这些问题本身已经足够明确：...
# AI # Django # Go
阅读全文