用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
AWS 博客给出一个合同智能平台的参考架构,用部署在 Amazon Bedrock AgentCore 上的抽取智能体与验证智能体把合同 PDF 转为结构化数据,再通过 Amazon Quick 提供嵌入式仪表盘和自然语言查询。
AWS 博客给出一个合同智能平台的参考架构,用部署在 Amazon Bedrock AgentCore 上的抽取智能体与验证智能体把合同 PDF 转为结构化数据,再通过 Amazon Quick 提供嵌入式仪表盘和自然语言查询。
AWS 详解 Amazon Quick 各组件的提示词工程模式与陷阱,覆盖 Quick Research、Quick Flows 和 Quick Sight。Quick Research 应写清目标、受众和范围并筛选来源;Quick Flows 要明确时间、数据源、输出和交付目标,复杂流程用编号步骤;Quick Sight 查询需包含业务问题、指标、维度和可视化偏好。
Amazon Quick 提示词工程系列的第一部分聚焦适用于各类 Quick 组件的通用原则与可复用框架,核心方法包括用具体性实现清晰、用上下文提升相关性、用示例替代描述,并给出 CRISPE 结构化提示模板。第二部分将分别讲解 Research、Flows、Sight、Chat Agents 与 Action Integrations 的专属技巧。
GPT-6.1 Sol 已在 Amazon Bedrock 正式可用,作为 GPT-6 Sol 的重大升级,面向智能体编码、计算机操作和专业工作负载提供更强推理。
推荐理由:文章给出 GPT-6.1 Sol 与 Astra、GPT-6 Sol 的评测及单任务成本对比,可据此评估智能体编码任务的性价比。
OpenAI 推出 dots,一款可在复杂项目和日常任务中持续工作的主动型助手。dots 强调在任务推进的同时让用户保持控制。用户可了解它如何在项目与日常事务中帮助推进工作。
OpenAI 发布 GPT-6.1 Sol,面向编码、计算机操作和专业工作场景,官方称其智能水平接近 Astra。该模型的 API 输入与输出 token 价格均为 Astra 标准价的五分之一。
推荐理由:官方给出 GPT-6.1 Sol 相对 Astra 的 token 定价比例与能力定位,可用于判断其成本取舍。
ProvenanceGuard 是面向 MCP 智能体的来源感知事实核查层,在不重训模型的前提下对黑盒智能体答案做后置验证,专门识别事实为真但归错来源的跨源混淆。在 281 条医疗智能体真实轨迹中,专家判定 361 条断言里 139 条不应通过,该方法拦下 138 条,可识别来源时约 86% 选对来源。
Cloudflare 发布 Threat Signals,把用户选定的开源威胁情报报告转化为可执行情报,并向所有 Cloudflare 账户免费开放。它通过智能体技能总结报告、提取并归一化 IOC、按账户既有标签体系打标签,产出的指标以 Threat Event 形式存入账户私有 Threat Intelligence 数据集,可直接用于 WAF 策略。
Cloudflare 让前沿大语言模型充当攻击者,针对授权客户的预发布环境发起 1,107 次攻击尝试,覆盖 XSS、SQLi、CMDi、SSRF、路径遍历和 Log4j 六类攻击,绝大多数请求被其 WAF 拦截。
Cloudflare 发布面向 AI 时代的自适应应用安全框架,把发现并排序风险、治理访问与智能体行为、运行时防护、调查与响应四个阶段连成闭环。
Cloudflare 正在开发内部工具 CryptoLabe,用 AI 扫描代码库中的加密用法,为 2029 年实现全面后量子就绪做规划。该工具分发现和分析两个阶段,运行在 Cloudflare Workers、Durable Objects 和 Workflows 上,并通过 AI Gateway 调用 Workers AI 上的开源权重模型。
Cloudflare 发布 2026 年度创始人信,创始人 Matthew Prince 称自动化流量已在 2026 年 5 月超过人类流量,比原先预测的 2027 年下半年提前。
推荐理由:信中把自动化流量超过人类流量的时间点提前到 2026 年 5 月,可用来理解智能体抓取给小网站带来的成本压力。
Cloudflare 发布基于 Astro 的开源 CMS EmDash 1.0,采用 MIT 许可,并同步上线基于 AT Protocol 的去中心化插件注册表。
推荐理由:EmDash 1.0 把 CMS 与去中心化插件注册表放在一起,读者可了解插件沙箱权限与 agent 接入的具体设计。
Cloudflare 为其运行在 Workers 上的智能体浏览器 Kitesurf 发布更新,新增 WebMCP 支持,并宣布 Kitesurf 已实现 Browser Run API 全覆盖。
Google 在开发者博客给出在树莓派 5 上用 LiteRT 与 Gemma 运行端侧 AI 的部署指南。据文中数据,Gemma 4 E2B 在 LiteRT-LM 下达到 99 tokens/sec prefill 与 9 tokens/sec decode,峰值内存 1432 MB。
Google Developers Blog 发文论述 Go 为何适合 AI 辅助软件工程,认为代码生成交给 AI 之后,软件工程的瓶颈已从写代码转向审查、验证与维护。
Google 开发者博客发布指南,介绍如何用 Agent Development Kit(ADK)构建零信任 AI 智能体。文章给出三层防护实现:Cloud KMS 硬件密钥为每次数据库写入签名、gVisor 用户态沙箱隔离动态生成代码、确定性语义网关在模型调用和写库前后做规则校验,并把安全策略写成 CI/CD 中的回归测试。
推荐理由:文章给出可用 HMAC 本地复现的三层防护实现,读者可据此核对自家智能体写库与代码执行的信任边界。
Google 在 ADK 中加入原生实时评估,可用模拟用户以语音驱动语音智能体并对回复打分,复用已有的文本智能体评估循环。
Google for Startups AI Agents Challenge 结束后,Google 从各赛道排名靠前的提交中总结出四个工程模式,分别是以 MCP 双向暴露工具、事件驱动并发、备用模型走同一校验函数和分级路由。
推荐理由:从真实挑战赛代码提交中提炼出四个可复用的智能体工程模式,覆盖 MCP 双向暴露、事件驱动并发与分级路由。
Google Cloud 的 Gemini Enterprise DevEx 计划以 Sprint 形式按开发者真实路径压测自家工具,本轮聚焦智能体治理,梳理出身份预置、Agent Registry 注册、Agent Gateway 绑定、政策与 Model Armor 内容安全、请求验证 5 条端到端工作流。
ADK for Kotlin 1.0 正式 GA,与 ADK 1.0 Core 功能对齐并补齐 Android 优先的端侧扩展。框架基于 Kotlin Multiplatform(KMP)核心,可用 LiteRT-LM、ML Kit(beta)端侧运行智能体,经 Firebase AI Logic 编排混合云工作流,以 Room 和 AppSearch 跨进程重启持久化状态。
Google Developers Blog 发文介绍 AI 编码智能体的 harness 工程实践,主张用行为评测补充 Terminal-Bench、DeepSWE 这类端到端跑分。
Google 团队发布 autofinetune,把自治研究循环用于 LLM 后训练,智能体在 Tunix、Gemma 和 Cloud TPU 上自动改脚本、跑训练并保留或回滚实验。
Gemini Enterprise Agent Platform 的 Agent Anomaly Detection 进入 Private Preview,这套基于推理的监督与审计层通过 reasoning traces、tool calls 和执行流标记智能体的行为异常与策略违规。
Google 宣布与 Speakeasy 合作,将其 OpenAPI 代码生成套件以 AGPLv3 协议开源。开源内容包括覆盖 Python、TypeScript、Go、Java、C#、PHP、Ruby 7 种语言的 SDK 生成器、CLI 生成器和文档 MCP server 生成器,生成的代码仍可沿用 MIT 或 Apache 2.0 等自选许可。
Google 宣布 Antigravity SDK 支持本地模型工作流,初期可通过 Google AI Edge 的 LiteRT 运行 Gemma 4 26B A4B,在完全离线状态下提供智能体辅助。
推荐理由:Antigravity SDK 把本地模型接入智能体工作流,读者可据此判断离线运行与云端混合编排的成本和隐私取舍。
Google Cloud API Gateway 进入 Public Preview,可直接充当远程 MCP 服务器,把已部署的 OpenAPI REST 操作暴露为智能体可调用的 MCP 工具,无需另外搭建和维护服务器。
推荐理由:文中给出把既有 REST API 直接改造成 MCP 工具的配置方式与已知限制,便于判断这类改造是否适合现有服务。
GitHub 博客介绍其 Security Lab 用开源的 Taskflow Agent 智能体在 Android 应用中发现了 24 个漏洞,并给出 OsmAnd 位置追踪与 Wikipedia 账号接管两个案例。
推荐理由:文中给出审计 taskflow 查找 Android 漏洞的具体案例与运行步骤,安全研究者可迁移到自有应用的审计流程。
OpenAI 正在为 Codex Originals 项目征集使用 Codex 的开发者、创客、研究者与创作者的真实故事。有意加入该项目下一阶段的人,需提交自己的故事与项目。
AWS 的 NarrateAI 团队公开了在 Amazon Bedrock 上实现生产级 LLM 质量保障的五种技术,覆盖自适应流水线编排、跨账号多模型故障转移、实时流式评估、复合评估框架和数据准确性验证。
Cloudflare 发布 Turnstile Spin,让 Claude Code、Cursor、Codex 等编码智能体自动完成 Turnstile 的前后端集成。
Google Research 提出 AI video co-director,一个构建在 Gemini 和 Veo 之上的统一多智能体编排框架,用于自动化生成跨镜头连贯的分钟级长视频。
平台账户用 Amazon Bedrock AgentCore Gateway 把各业务线账户的 MCP server 聚合成单一 MCP 端点,智能体无需复制数据即可跨账户发现并调用工具,数据只在查询时流出所属账户。
HEMA 基于 MCP 和 Amazon Bedrock AgentCore 构建内部 AI 助手 HAL,把分散在门户、wiki 与文档中的知识集中,并在 HAL 聊天、Kiro、Claude 等工具中直接提供答案。此前查一个答案需在 3 或 4 个门户间跳转、有时耗费整个下午,现在可在 IDE 或聊天窗口几秒内完成;当前为只读知识层,下一步将转为可执行操作层。
AWS 在官方博客给出基于 Strands Agents SDK 的对话式视频智能方案,由大模型在运行时决定调用 Amazon Bedrock、Amazon Rekognition 还是 Amazon Transcribe,不再为每类问题预建处理流水线。
OpenCode 可接入 Amazon Bedrock 的开放权重模型,作为终端 AI 编程智能体在本地运行、推理留在 AWS 账户,且无按席位费用。示例模型包括 Moonshot AI Kimi K3、OpenAI GPT-OSS 120B 与 NVIDIA Nemotron 3 Super 120B。
GitHub 与耶鲁气候变化传播项目对 1,039 名 GitHub 用户的调查显示,80% 受访者有兴趣使用帮助写出更节能代码的工具,78% 想要减少软件环境足迹的最佳实践,74% 希望衡量软件或开发流程的影响。
Ringg 基于 GPT-5.6 的 AI 智能体在多语言场景下可解决最高 65% 的客户来电,覆盖语音、聊天、WhatsApp 和网页渠道。相比 GPT-4.1,其成本降低 90%。
AWS 宣布 Claude Opus 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线,这是 Claude 5.5 系列的首个模型。
推荐理由:文章对比了 Claude Opus 5.5 与 Opus 5 在 token 效率、定价和安全分类器上的差异,并给出在 Bedrock 上调用该模型的代码示例。
Cloudflare 发布 Worker Previews,为每个 Git 分支提供接近生产的隔离运行环境,各自拥有独立的代码、配置、URL、可观测性和状态。
推荐理由:每个 Git 分支都获得带独立状态与 URL 的预览环境,读者可据此了解智能体开发闭环怎样接入现有部署流程。