用 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能
AWS 展示用 Amazon Quick 作为对话界面、Amazon Bedrock AgentCore 作为智能层,把企业 MCP 服务器变成可组合工具,让供应链管理者用自然语言跨系统查询并执行操作。演示中一次中断评估返回 75 万美元风险敞口、23 笔订单和三天库存,随后自动生成应急 RFQ,所有变更需指定人员审批。
AWS 展示用 Amazon Quick 作为对话界面、Amazon Bedrock AgentCore 作为智能层,把企业 MCP 服务器变成可组合工具,让供应链管理者用自然语言跨系统查询并执行操作。演示中一次中断评估返回 75 万美元风险敞口、23 笔订单和三天库存,随后自动生成应急 RFQ,所有变更需指定人员审批。
三位拥有十余年 Java 经验的 Java Champions 分享了在生产与开源项目中使用 GitHub Copilot 的具体做法。Vlad Mihalcea 借助 Copilot 将 Hypersistence Optimizer 新功能开发从数周缩短到两天,并按任务复杂度在 Opus 的 1 million 上下文窗口与轻量模型间切换。
AWS 与 Keyfactor 联合发布参考架构,用 Keyfactor EJBCA 的 X.509 PKI 为 AI 智能体建立可验证、可撤销的加密身份。方案以签名请求信封、用户签名委托断言、RFC 8693 受众限定 token 和实时 OCSP 吊销检查四层机制,覆盖用户认证、智能体间通信与 MCP 工具调用。
微软研究院播客对话 Catalyst Lab 负责人 Chris White,回顾他从 DARPA 项目博士后到在阿富汗领导先进技术行动、再到开发用于打击人口贩运的暗网搜索工具的经历。节目探讨了问题选择在创新中的作用,以及他如何在与人性阴暗面打交道后仍保持希望。
AWS 销售与市场团队基于 Amazon Bedrock AgentCore Evaluations 搭建了覆盖从首次提交到生产运行的九阶段智能体评测框架,用于其内部多智能体销售智能系统。
微软研究院 partner research manager Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对话,讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“意外失败”。她还分享使用当前 AI 系统的实用建议,并强调当结果偏离预期时应仔细检查数据。
UC Berkeley 团队提出,推理价格从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1,部分厂商已低于 $0.10,基准测试中年度降幅在 9x 到 900x 之间、中位数约 50x。作者认为近乎免费的智能带来三类新挑战:为智能体设计的数据系统、由智能体运行的数据系统,以及智能体自行合成定制数据系统。