2026-08-28
来源: cloud.google.com
49
对于 OpenClaw、Hermes 这类面向个人开发者的 AI Agent，传统的无状态 Web 服务模型并不总是合适。它们通常需要长期运行、保存状态，而且大多数时间只服务一个用户。Cloud Run 实例正是为这类单实例、长生命周期工作负载提供了更贴近实际的运行方式。 Cloud Run 服务擅长处理无状态、高吞吐的 HTTP 请求。当一段时间没有...
2026-08-27
来源: infoq.com
45
Cloudflare 宣布推出 Wallets，为 AI agent 提供稳定币余额和消费控制能力。它选择了 x402 作为支付通道，而 x402 目前已由 Linux Foundation 托管。不过，这套控制机制的边界很清晰：它可以约束一笔支付，却不会自动理解一连串交易组成的总风险。 更现实的问题是，Wallets 目前仍处在早期阶段，只有 han...
2026-08-27
来源: oschina.net
40
DuckLabs 被 AWS 收购后，关注 DuckDB 的开发者产生疑虑并不奇怪。过去十年里，大公司收购开源团队的案例反复出现，项目的许可证、治理方式和社区关系也可能随之变化。 这次事件值得关注的地方在于：收购公告没有只强调商业价值，而是专门解释“什么不会变”。DuckDB 会继续采用 MIT 许可证开源，DuckDB Foundation 继续掌管...
2026-08-27
来源: aws.amazon.com
37
Agent 应用正在从单一 SDK 走向多框架组合：团队可能用 LangGraph 编排流程，用 LlamaIndex 做检索，也可能选择 OpenAI Agents SDK、Google ADK、Claude Agent SDK 或 Strands Agents。框架选择变多后，评估系统最容易陷入重复建设：每换一个框架，就要重新接入追踪、指标和评分逻...
2026-08-27
来源: aws.amazon.com
35
Gallup 将 90 年积累的职场科学转化为 Gallup AI，并通过 Amazon Bedrock 在 Gallup Access 应用中向领导者提供实时、个性化的辅导。这个案例的重要之处不只是“接入了一个大模型”，而是把长期沉淀的专业知识嵌入用户已有的工作入口，同时将服务扩展到数千名用户。 通用模型可以生成流畅建议，但领导力辅导需要知道用户面对...
2026-08-27
来源: aws.amazon.com
33
很多团队在给 AI Agent 配权限时只有两个选项：完全访问，或者只能读取数据。前者把一次错误决策变成生产事故，后者又让 Agent 很难真正完成工作。更实用的做法是引入“分级自主权”：Agent 从低风险、低权限状态开始，根据持续的可靠表现逐步获得更多操作权限；当质量下降、风险升高或监控发现异常时，权限会自动收回。 这种模式的关键不在于给 Agen...
2026-08-27
来源: aws.amazon.com
34
当企业的 BI 平台使用多年后，问题通常不在于“缺少报表”，而在于报表太多、性能太慢、口径难以统一，业务人员不得不反复依赖数据团队。GoDaddy 将原有 BI 工具迁移到 Amazon Quick，历时两年，最终每年节省 15,000 小时，将仪表板数量减少 50%，渲染时间压缩到 5 秒以内，并把 AI 驱动的自助分析能力开放给全体员工。 这不是一...
2026-08-27
来源: aws.amazon.com
33
让患者通过自然对话预约移动采血服务，看起来只是“语音识别加大模型”。真正进入生产环境后，系统却必须同时处理双向音频流、工具调用、身份验证、预约冲突和等待体验。Natera 基于 Amazon Bedrock AgentCore 构建的自动化语音智能体，将这些问题拆成双 WebSocket 桥接、事件驱动的延迟掩蔽和渐进式信任认证，并在其测试场景中实现了...
2026-08-27
来源: aws.amazon.com
28
Amazon SageMaker Python SDK v3 重新设计了 script mode：训练和部署流程分别围绕统一的 与 组织，而 可以在任务运行时把本地代码同步进指定容器。对于已有自定义训练脚本、又不想每次改一行代码就重新构建 Docker 镜像的团队，这会明显缩短迭代回路。 传统的 bring-your-own-container 流程，...
2026-08-27
来源: aws.amazon.com
41
监督微调的数据准备并不止于清洗格式和删除重复项。进入进阶阶段后，更重要的问题是：现有数据是否足够、下一批数据应该补什么、合成样本是否真的有增益，以及如何加入新能力而不让模型遗忘原有能力。 这些问题不能只靠数据量回答。更可靠的方法是把学习曲线、子集选择、合成与蒸馏数据、数据源混合放进同一个迭代闭环，并始终用独立评测集验证结果。 学习曲线的做法很直接：从训...