帮助K–12教育工作者培养实用AI技能
OpenAI Academy 与沃尔顿家族基金会合作，通过动手实践的 AI Skills Jams 活动，帮助 K–12 教育工作者培养适用于课堂的实用人工智能技能。此举旨在提升教师将 AI 融入教学的能力，为开发者及教育行业提供实用的 AI 素养推广参考。
独立 AI 资讯库
AI 前沿动态、原文归档与媒体镜像
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
11910资讯
11778正文归档
75366媒体
GitHub 移动版：用 Copilot 云端代理修复合并冲突
GitHub Mobile 现已支持通过 Copilot 云端代理自动修复拉取请求的合并冲突，用户可直接在移动端合并框中点击“Fix with Copilot”一键发起请求。该功能会预填请求评论并启动云端代理，同时提供清晰的反馈。此外，开发者仍可通过 @copilot 处理修复工作流、处理代码审查等任务。这一更新让移动开发中的合并阻塞得以快速解除，进一步增强了 GitHub Copilot 在协作流程中的实用性。
GitHub Mobile：Copilot CLI 会话实时通知上线
GitHub Mobile 的实时编码 Agent 通知现支持远程 Copilot CLI 会话，使开发者能通过手机接收会话进度更新。系统可在会话处于“进行中”、“等待用户输入”、“空闲”或“已完成”等状态时推送通知，并在 iOS（实时活动）和 Android（实时更新通知）上展示关键信息。该功能将实时通知从云端编码代理会话扩展到从 Copilot CLI、VS Code 等界面启动的远程会话，方便在外出时监控代理工作。iOS 实时活动要求 iOS 17.2+，Android 实时更新通知要求 Android 16 或更高版本；用户也可随时在设置中禁用。这增强了移动开发体验的连续性，对频繁使用 Copilot CLI 的开发者尤为实用。
Copilot 用量 API 为 AI 采用阶段新增审查轮次与审查耗时指标
Copilot 用量指标 API 新增了两个审查速度指标：平均拉取请求首次审查耗时（中位数）和平均审查循环次数，均按已合并的拉取请求计算。这些指标按 AI 采用阶段分解，可对比不同采用程度团队的审查效率，帮助量化 Copilot 对审查流程的下游影响。企业管理员可利用该数据定位需要额外赋能的关键阶段，从而提升整体开发吞吐量。
JetBrains IDE 新增 Codex 代理提供程序及代理功能增强
本次更新将 Codex 作为新的代理提供程序以公开预览形式引入，并扩展了定制编辑器，带来 Hooks 支持与更丰富的 MCP 服务器管理。同时，Claude 代理新增权限模式选择、调试日志支持，Inline Chat 正式可用，整体性能与可靠性得到增强。这些改进为开发者在 JetBrains IDE 中提供了更灵活、更可控的 AI 辅助编程体验。
Kimi K2.7 现已面向 Copilot Business 和 Enterprise 计划开放
2026 年 7 月 1 日宣布 Kimi K2.7 模型将支持 Copilot Pro 等计划后，该模型现已扩展至 Copilot Business 和 Copilot Enterprise 计划。作为首个在 Copilot 模型选择器中提供的开放权重模型，Kimi K2.7 Code 为开发者带来了更多选择和更低的编码成本。该模型托管在 Microsoft Azure 上，并按基于用量的提供商列表价格计费。企业管理员需在 Copilot 设置中主动启用相应策略，并建议在启用前根据自身安全与合规要求审查开放权重模型。
xAI and the Future of Executive Enforcement Discretion - Columbia Undergraduate Law Review
xAI and the Future of Executive Enforcement Discretion Columbia Undergraduate Law Review
Claude Haiku 5.5 现已登陆 GitHub Copilot
Anthropic 最新的轻量级模型 Claude Haiku 5.5 现已在 GitHub Copilot 全面可用，面向子代理、快速编辑和终端任务等高频、低延迟工作场景。早期测试显示，Haiku 5.5 在许多编程任务上的表现可媲美 Claude Sonnet 5，但消耗的 token 和执行步骤显著更少。该模型按基于用量计费中的提供商标价收费，Copilot Pro、Pro+、Max、Business 和 Enterprise 用户均可使用。企业与商业版管理员可通过 Copilot 设置中的模型策略管理访问权限。
AWS 推出 Claude Haiku 5.5：面向高吞吐量 Agent 与成本敏感型工作负载
Anthropic 的 Claude Haiku 5.5 现已登陆 Amazon Bedrock 和 Claude Platform on AWS，被定位为 Claude 5.5 系列中速度最快、效率最高的模型。AWS 表示，该模型面向子 Agent、高并发及成本敏感型任务，在大多数任务上的成本较 Claude Haiku 4.5 低约 75%。Haiku 5.5 支持编码、工具调用、计算机使用、高分辨率图像和多步骤 Agent 工作流，并首次为 Haiku 系列提供 effort controls。开发者可通过 Amazon Bedrock Playground、InvokeModel、Converse API 或 Anthropic Messages API 调用该模型，并借助 AWS 的身份、审计、监控和计费体系进行生产部署。
重新思考 RAG 的访问控制：Amazon Quick 与 Amazon Bedrock
企业正通过 RAG 挖掘 SharePoint、Google Drive 和 Confluence 等知识库中的信息，但复杂且频繁变化的权限体系可能让未经授权的内容进入 AI 回答。Amazon Quick 与 Amazon Bedrock Knowledge Bases 采用“两阶段”ACL 机制：先使用索引中的 ACL 进行预检索过滤，再在查询时直接向权威数据源实时验证权限。该方案旨在避免同步延迟、权限映射错误和数据源权限模型演进带来的安全缺口，同时兼顾语义检索性能。Mondelēz International 已在四个区域为超过 35,000 名员工部署 Amazon Quick。
Grok Bot Is Now a Model Router as SpaceX Continues to Pivot Further Toward AI Infrastructure - Gizmodo
Grok Bot Is Now a Model Router as SpaceX Continues to Pivot Further Toward AI Infrastructure Gizmodo
AOL 账户被锁定怎么办：逐步解锁与恢复指南
本文说明 AOL 账户无法登录或被锁定的常见原因，包括多次输错密码、异常登录活动、额外安全验证以及恢复信息过期等。用户应停止反复猜测密码，优先通过 AOL 官方密码重置、账户恢复和验证流程重新获得访问权限。恢复成功后，应更新恢复手机号或邮箱、使用高强度独立密码，并检查账户安全设置。文章特别提醒，切勿向非官方人员或网站提供密码和验证码，应仅通过 AOL 官方支持渠道寻求帮助。
面向泄露密钥检测的专用模型
GitHub 发布了一款专门用于密钥检测的微调模型，可通过理解周边代码识别疑似凭据，包括没有固定 Token 格式的密码，而不会生成代码或文本。该模型将用于 Secret scanning alerts、Push protection，以及 GitHub Copilot 的 `/security-review` 安全审查功能。现有 AI 检测密钥警报将免费升级至新模型，但 Push protection 和安全审查中的新增可选检查将消耗 GitHub AI Credits。GitHub 同时公布了各计划、平台与许可证的适用范围，并提醒组织管理员可通过策略和预算控制相关功能及支出。
超越节省工时：构建 Agent 自动化的商业论证
传统的 RPA 投资回报率（ROI）模型以节省工时为核心，难以衡量 Agent 自动化在异常处理、决策质量和变更适应性方面创造的价值。本文提出“Agentic Value Model（Agent 价值模型）”，要求企业从释放产能、异常与错误成本、决策质量、维护经济性四个维度评估价值，并将价值实现责任落实到具体负责人。文章还提供了按任务复杂度和决策风险划分工作流的优先级矩阵，帮助 AI CoE 判断应继续使用 RPA、引入 Agent，还是强化控制措施。对开发者和企业管理者而言，关键不在于将 Agent 直接嵌入既有流程，而在于围绕 Agent 重构工作流、持续衡量成本与结果，并设置明确的止损规则。
Qlik 如何借助 Amazon Bedrock 构建有依据、企业级规模的 AI
Qlik 基于 Amazon Bedrock 推出 Qlik Answers，为全球超过 4 万家客户提供可追溯来源的企业数据问答能力，覆盖结构化分析数据与非结构化文档。该系统采用分层、多 Agent 架构，将快速路由、深度推理、检索、分析和模型访问解耦，并通过 Amazon OpenSearch Service、Amazon Bedrock Guardrails 与 LLM 网关实现可信回答。自 2026 年 2 月正式发布以来，Qlik Discovery Agent 已为客户发现超过 10 万项洞察，多数启用了 Agent 工具的 Qlik Cloud 账户持续活跃使用。该案例表明，跨区域推理、租户级功能控制、统一安全校验和提前容量预测，是将生成式 AI 扩展到全球受监管企业环境的关键实践。
在 AWS DevOps Agent 调查后自动化执行修复
AWS DevOps Agent 可自主关联指标、日志和应用拓扑来诊断生产事故，但通常以“观察并报告”模式运行，不会直接修改生产资源。本文展示如何结合 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock，将调查摘要转化为经过预验证、可供值班工程师一键批准的修复操作。该方案通过经批准的 Lambda 工具白名单限制自动化操作范围，读取类操作可自动执行，涉及基础设施变更的操作则必须等待人工批准。借助可长时间暂停并从检查点恢复的 Durable Functions，团队可以缩短平均修复时间（MTTR），减少值班人员的重复诊断工作。
GitHub Copilot 本地沙箱现已全面可用
GitHub Copilot 的本地沙箱功能现已在 GitHub Copilot CLI、GitHub Copilot 应用和通过 Agent Host 运行的 VS Code 会话中全面可用。该功能为开发者本机上的 Agent 工作流提供安全执行边界，可按开发者或组织定义的策略限制文件系统、网络、凭据及其他系统能力访问。该能力由 Microsoft eXecution Container（MXC）提供支持，可将统一的沙箱策略转换为 Windows、macOS 和 Linux 原生的操作系统控制机制。GitHub 表示，本地沙箱不额外收费，企业还可通过集中管理策略强制启用沙箱并防止开发者削弱限制。
在 GitHub Copilot CLI 中发现本地模型
GitHub Copilot CLI 从 1.0.94-0 版本起支持通过 `/model` 发现正在运行的本地 Ollama 实例所支持的模型，并与已配置模型及 GitHub Copilot 云端模型一同展示。发现模型后，开发者可查看提供商和端点，并选择仅添加或添加后立即在当前会话中切换使用，无需重启 CLI。该功能不会自动安装 Ollama、运行时或模型，候选模型还必须支持工具调用和流式输出。GitHub 同时宣布将推出面向本地模型的智能路由，但使用本地模型并不意味着启用离线模式或关闭遥测数据收集。
Cornerstone OnDemand 借助 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建了多智能体系统 Orion AI，将数据库运维从被动救火转向主动、可自组织的自动化工作流。该系统使数据库故障诊断时间从每次 45 分钟降至 10 分钟，缩短 78%，并由一个三人团队在六个月内完成交付。Orion AI 通过元编排器协调 13 个领域智能体，覆盖数据库诊断、生命周期管理、实时监控、客户分析和知识支持等任务。其架构与实践表明，按领域拆分智能体、关键词优先路由以及针对实时指标绕过会话记忆，能够提升多智能体系统的准确性、响应速度和运维安全性。
LendingTree 如何在 Amazon Bedrock 上构建多 Agent 抵押贷款助手
LendingTree 在 Amazon Bedrock 上上线了一个生产级多 Agent 抵押贷款助手，由 Supervisor、教育和匹配三个 Agent 协同工作，为用户提供全天候、个性化的贷款咨询与产品匹配。该系统采用 LangGraph、Model Context Protocol（MCP）、Amazon Nova Pro/Nova Lite、Amazon Bedrock Guardrails、Knowledge Bases，以及运行在 Amazon ECS with Fargate 上的容器化服务。自 2025 年末上线至 2026 年第一季度，助手累计处理约 1,960 场对话和 12,100 条消息，超过 97% 的对话无需人工升级处理。该案例表明，多 Agent 架构能够在金融服务等强监管场景中兼顾可追溯性、安全合规、复杂问题处理能力与业务转化。
Mobileye 如何借助 Amazon Bedrock AgentCore 改造支持运营
Mobileye 利用 Amazon Bedrock AgentCore 部署 AI 支持 Agent，将数据采集处理流程中的常规工单响应时间从数小时缩短至约 1 分钟，改善幅度达 90%。该 Agent 通过 MCP 实时访问生产系统，并借助 Anthropic Claude 处理上下文相关的查询，整体成功率达到 98%，超过原定 95% 目标。该方案自动处理了 66% 的工单量，同时通过混合架构连接本地部署的工单系统与 AWS 云服务。基于这一实践，Mobileye 进一步建设内部 Agent 部署平台，使开发团队可在数分钟内交付符合安全、监控和成本治理标准的生产级 AI Agent。
我们如何构建 MCP 桥接，让托管在 AgentCore 上的 AI Agent 访问本地 MCP 工具
运行在 Amazon Bedrock AgentCore 云端的 AI Agent，往往需要访问用户笔记本上的 Excel 文件和本地工具。本文介绍了一套 MCP Bridge 架构：通过浏览器扩展、原生消息传递和 WebSocket，将云端 Agent 的 MCP 请求安全转发到本地 MCP Server。该方案使用本地 AWS 凭证生成 SigV4 预签名 WebSocket URL，凭证不会进入浏览器或离开用户设备。AWS 内部基于这一模式构建的财务 AI 助手上线一年内已产生超过 41,000 次对话，完整示例代码已开源。
使用 Amazon Bedrock AgentCore harness 在 n8n 中运行生产级 AI Agent
Amazon Bedrock AgentCore harness 现已正式可用，并通过开源社区节点 `@aws/n8n-nodes-agentcore` 集成到 n8n 可视化编辑器。开发者无需编写基础设施或 Agent 代码，即可构建具备持久记忆、代码执行、浏览器等真实工具及多模型支持能力的生产级 Agent。该节点支持 Amazon Bedrock、OpenAI、Google Gemini 和 LiteLLM 支持的提供商，并允许在同一对话的不同轮次切换模型提供商。文章还介绍了按用户隔离记忆、加载技能，以及通过 VPC 私有网络运行 Agent 的配置方式。
The internet is convinced Elon Musk’s xAI trolled OpenAI’s ‘Dots’ launch - TechCrunch
The internet is convinced Elon Musk’s xAI trolled OpenAI’s ‘Dots’ launch TechCrunch
GPT-6.1 Sol 登陆 Amazon Bedrock，为日常工作带来接近 Astra 的智能水平
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，面向高频运行的编程、计算机操作和专业工作负载提供更强推理能力。OpenAI 称，该模型在 DeepSWE v1.1 上以约五分之一的单任务成本达到 GPT-6 Astra 的水平，并较 GPT-6 Sol 的最佳成绩高出 6.4 个百分点。开发者可通过 Amazon Bedrock API、Codex 及 AWS Agent Toolkit 将其用于代码开发、文档分析和跨业务工具的多步骤工作流。Amazon Bedrock 同时提供 IAM、CloudTrail、VPC 端点及零运营人员访问等生产环境治理与数据保护能力。
GitHub Copilot 引入 GPT-6.1 Sol
OpenAI 最新模型 GPT-6.1 Sol 现已正式发布，并正逐步向 GitHub Copilot 用户开放。该模型面向智能体式编程和终端工作流，在早期测试中能够可靠完成多步骤编码任务，同时相比 GPT-6 和 GPT-5.6 系列早期模型使用更少的 token 和操作步骤。GPT-6.1 Sol 将按基于使用量计费中的提供商目录价格收费，Copilot Pro+、Max、Business 和 Enterprise 用户可在多种 GitHub Copilot 客户端中选择使用。对于企业用户，管理员可通过 Copilot 设置中的模型策略控制该模型的访问权限。
按 Quick 组件拆解提示工程：模式与常见陷阱
本文是 Amazon Quick 提示工程系列的第二部分，按 Quick Research、Quick Flows、Quick Sight、聊天 Agent 和操作集成五类能力，说明不同组件的有效提示模式。文章强调，具体的目标、上下文、参数、步骤顺序和输出格式，是从通用回答获得可执行结果的关键。针对研究、自动化、分析、企业知识问答及跨系统操作，文中提供了可直接参考的提示示例。文章还总结了模糊表述、遗漏上下文、缺乏审核步骤等通用及组件特有的常见问题，对开发者和企业团队设计可靠 AI 工作流具有参考价值。
借助 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 驱动的合同智能平台
面对数百份供应商合同，单纯依赖 RAG 聊天工具无法可靠回答全量合同组合的总金额、到期合同等聚合问题。该 AWS 方案通过 Claude Sonnet 提取合同字段、Claude Haiku 独立核验，并在签署状态存在分歧时使用 Amazon Textract 进行确定性裁决。经验证的数据存入 Amazon Aurora PostgreSQL，再通过 Amazon Quick 的嵌入式仪表板、自然语言查询和聊天能力同时支持组合分析与单合同问答。文章强调，LLM 应负责非结构化文档理解，而聚合计算、视觉检测等任务应交给数据库和确定性服务完成。
Condé Nast 如何借助 Amazon Bedrock 构建多模态视频发现能力
Condé Nast 的编辑团队过去仅依靠标题和描述，在超过 14 万条视频中检索素材，单次内容发现任务平均耗时 250 分钟。该公司与 AWS Generative AI Innovation Center 合作，基于 Amazon Bedrock、Amazon OpenSearch Service 和 TwelveLabs Marengo 构建了多模态语义视频搜索方案，可同时理解视频画面、音频和转录文本。该方案将单次检索时间缩短至 2 分钟以内，降幅达 99.2%，并预计每年节省约 80 万美元运营成本。该架构将异步视频摄取与索引、同步查询与服务解耦，为大规模视频库的低延迟检索、持续更新和高可用运行提供了可复用模式。
不仅要事实正确，更要来源正确：面向 MCP Agent 的来源感知验证
Multiverse Computing 提出的 ProvenanceGuard 是一个面向 MCP Agent 的生成后验证层，重点检测“跨来源混淆”——即事实虽然存在于证据池中，却被错误归因到另一来源。该系统在医疗 Agent 的 281 条真实轨迹上测试，在专家判定应拦截的 139 项声明中识别出 138 项，并在声明具备可识别来源时约有 86% 的概率选中正确来源。与 MiniCheck、RAGAS Faithfulness、AlignScore 和 SummaC-ZS 相比，ProvenanceGuard 在拦截指标上取得最高 F1（0.802），且能输出逐声明的来源 ID 判定。该方法为使用多个工具、数据库和记录的 MCP Agent 提供了可审计的来源验证机制，尤其适用于医疗、金融等数据敏感场景。