标签

LLM

把 Amazon Bedrock Automated Reasoning 策略变成可重复的 Agent 工程流水线

来源: aws.amazon.com 51
Amazon Bedrock Automated Reasoning 策略的价值,在于用形式化规则验证模型回答是否满足业务约束。但一条策略从需求描述走到生产环境,通常还要经历构建、审查、测试、调试、部署和上线验证。开源 Agent Skills 把这些原本偏控制台、偏专家操作的步骤交给编码 Agent 编排,使策略也能像应用代码一样进入版本控制、代码审...

用 Amazon Bedrock 与 AWS Lambda 构建受治理的智能应用部署器

来源: aws.amazon.com 52
让非技术员工用自然语言描述需求,然后在数秒内得到一个已经部署、支持多租户的 Web 应用,这不只是“让大模型写代码”。PDI Technologies 构建的 PDI Brew 更接近一套智能交付系统:Amazon Bedrock 负责理解意图并生成结构化计划,AWS Lambda 中的配置代理负责把计划转换成受约束、可审计的云资源。 真正值得关注的,...

在 Notebook 中完成 LLM 推理基准测试与 SageMaker 部署优化

来源: aws.amazon.com 59
Amazon SageMaker Python SDK v3 将生成式 AI 推理建议直接带进了 Notebook 工作流。开发者可以围绕同一个模型依次完成端点基准测试、生成数据驱动的部署建议,并部署推荐配置,不必在 Notebook、控制台和零散脚本之间反复切换。 这项集成真正解决的并不是“少点几次鼠标”,而是让性能数据、部署决策和可复现代码处在同一...

BigQuery 如何用自学习执行引擎应对 AI Agent 的查询洪峰

来源: cloud.google.com 56
当数据查询从“分析师每天提交几十条 SQL”变成“AI Agent 每分钟生成数千条查询”时,传统的性能优化流程会迅速失效。执行计划分析、统计信息维护、查询提示和容量预估都需要人工介入,而 Agent 生成的 SQL 数量、参数组合和并发度已经超出人工逐条调优的范围。 BigQuery 给出的方向不是增加更多调优旋钮,而是让查询处理器自己学习历史执行结...

主权 AI 的混合架构:把模型能力带进本地,而不是把敏感数据送出去

来源: cloud.google.com 53
对受严格监管的企业和政府机构来说,AI 基础设施过去常常是一道二选一:把数据留在本地,还是使用公有云中的先进模型与算力。如今,混合云和分布式云正在改变这个前提。组织可以把推理服务、模型和管理能力部署到自己的数据中心或边缘环境,同时继续利用云端的软件生命周期和弹性资源。 这并不意味着只要安装一套本地集群就自动获得了“主权”。真正的主权 AI,需要同时回答...

从课程到生产:企业智能体落地的 12 项能力地图

来源: cloud.google.com 44
企业团队讨论智能体时,真正棘手的问题通常不是“模型能不能回答”,而是“它能否在受控条件下访问数据、调用系统、记住上下文,并在故障时被定位和纠正”。Google 推出的 Gemini Enterprise Agent Ready(GEAR)学习路径,正是围绕这条从原型到生产的链路组织:智能体基础、多智能体编排、MCP 工具连接、记忆与状态、领域技能,以及...

UNC6671 多品牌勒索背后:用语音钓鱼窃取云身份会话的防御方法

来源: cloud.google.com 47
UNC6671 虽然曾关联的 BlackFile 品牌据称在 2026 年 5 月退出,但相关入侵活动并未消失。威胁情报显示,攻击者改用 Redact、Pink、Helix 和 Falcon 等多个勒索品牌对外运营,而初始入侵路径和后续动作高度一致:假冒 IT 服务台电话、诱导员工访问仿冒登录页、通过 AiTM(Adversary-in-the-Mid...

Cloudflare AI Search:让智能体直接搜索你的文件和网站

来源: blog.cloudflare.com 53
当智能体需要回答企业内部问题时,真正困难的往往不是生成答案,而是找到可信、最新、属于当前组织的数据。Cloudflare AI Search 的定位很直接:把它指向自己的文件和网站,就能创建面向这些数据的搜索能力,让智能体拥有一个针对专属知识库的搜索引擎。 传统做法通常需要自行组合数据抓取、文本切分、向量化、索引、检索和结果拼接等组件。每一层都可能带来...

从争取排名到被 AI 推荐:网站的 Agent Readiness 与 AEO 实战

来源: blog.cloudflare.com 49
网站优化的目标正在从“搜索结果里排第几”扩展为“AI 助手会不会把你推荐给用户”。来源摘要指出,如今超过一半的请求来自机器而非人类:它们可能是抓取器、检索系统,也可能是代表用户执行研究、比较和采购任务的 AI Agent。对网站团队而言,页面能被人顺畅浏览已经不够,还要确保机器能够发现、读取、理解并可靠地引用内容。 这带来两个需要分别度量的方向:Age...

为 AI Agent 开放网站:从可读、可发现到可调用与付费

来源: blog.cloudflare.com 41
网站正在迎来一种新的访问者:AI Agent。它们通常不渲染 CSS、不点击广告,却可能代表一个有明确需求、也愿意付费的人类用户。粗暴封禁所有自动化流量,挡住的不只是爬虫,也可能是正在替客户检索资料、比较服务或执行采购的 Agent。 真正需要解决的问题,不是简单地“允许还是禁止机器人”,而是建立一套让发布者与 Agent 能够合作的接口:内容可读、能...