←搜索结果

搜索“GitHub”

按匹配度 · 共 1622 条结果 清除搜索

星期五

  1. 量子位

    Meta 力推 Muse 智能体，路透社曝其打电话由真人客服代打

    Meta 在 Connect 大会上把 Muse 智能体推到核心位置，软件上新增 Computer Use 操控 Mac、独立专属邮箱和实时视频数字分身，硬件上推出可挂裤腰的口袋设备 Muse Charm，并宣布 Muse 在海量 Token 消耗下保持免费使用。据 Sensor Tower 数据，Muse 发布两周内下载量突破 250 万次，霸榜美区应用商店下载榜第一，Meta 股价随后上涨超过 20%。路透社独家调查称，Muse 的自主打电话功能实际由呼叫中心真人外包团队接管，MSL 副总裁在内部帖中表示真人代打成功率可达 95% 至 98%，Meta 高管已道歉并回滚该功能。

    fitters、DICK’S Sporting Goods、Fanatics、Gap、Michael Kors、丝芙兰（Sephora）、Ulta以及Wayfair，支付环节则全面打通了Shop Pay、PayPal和Stripe。 出门差旅，即将接入Expedia帮你搞定行程；买菜补货，有Instacart随时待命；办公协同，Notion、Granola、GitHub和Box已经全部排队就绪。 为了让更多第三方接入，Meta还开放了开发者连接器平台。Alexandr Wang透露，平台开放不到一周，就已经收到了 1500多份 申请： 我认为这是一个极具时代意义的机遇，可以在一个新平台腾飞之际为其进行开发，到目前为止各方的反响非常热烈。 其实吧，这些都还好，软件OTA本来就快。 发布会末尾，小扎从口袋里，摸出了一个小「钥匙扣」。 是的，就这么小一只，随时能挂裤腰上。 不仅如此，Muse还将全面常驻Meta的智能眼镜家族。到了今年年底，Meta将提供超过100种AI眼镜选择。 再加上这次公布的仅重 100克 （相当于一副扑克牌重）、拿到IMAX Enhanced认证的Meta VR Gl

    匹配字段正文

    #chinese#行业动态#Agent#OpenAI
  2. Anthropic Research

    Anthropic Project Swap：智能体替我们交易时会发生什么

    Anthropic 发布 Project Swap 实验，让 201 名员工各派一个 Claude 智能体进入书本交换市场，从五分钟对话推断出的偏好排序与本人排序在 61% 的书对上一致。市场平均效率为 0.55，而最优分配为 0.89，其中约 85% 的差距来自智能体对用户偏好的理解不足，仅 15% 来自自由议价环节。在 Claude 自身排序上，模型越强市场越高效，Haiku 楼层平均 0.75、Opus 楼层 0.88；被指示为强硬的智能体比亲社会智能体高约 0.02。参与者对所得书籍平均满意度 7.2 分（满分 10），平均愿意把约三成年度购书预算交给智能体支配。

    tic Encoders,” Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics , 2026, 3251–3265. Dataset: Amazon Reviews 2023, https://amazon-reviews-2023.github.io/ Horton, John J., Filippas, Apostolos, and Benjamin S. Manning, “Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus?,” Proceedings of the 25th ACM Conference on Economics and Computation , 2024. Imas, Alex, Kevin Lee, and Sanjog Misra, “Agentic Interactions,” 2025. Availab

    匹配字段正文

    #lab#论文/研究#Agent#Anthropic

星期四

  1. LangChain Blog

    LangChain 发布 LangSmith Fine-Tuning 与 smithtune CLI

    LangChain 推出 LangSmith Fine-Tuning 和 smithtune CLI，可从 LangSmith 轨迹生成数据集、在 Fireworks 或 Baseten 上训练并评估微调模型。smithtune 目前支持监督微调（SFT），训练走 LoRA，无需自行管理 GPU 或训练基础设施。官方实测中，Qwen-3.8-27B 经 SFT 后 F1 从 48.9% 升至 53.7%，模型调用减少 29.8%、工具请求减少 29.4%。

    Anatomy of a trajectory in LangSmith

    ned on your examples can often perform as well as or better than a general purpose frontier model on specified tasks, often at lower cost and latency. Try LangSmith Fine-Tuning on GitHub and have your coding agent drive the fine-tuning process end to end by installing the smithtune skill from the repository. One of the biggest drivers of fine-tuning gains is data selection. With the launch of smithtune, it’s easier to connect that loop — from curated production traces in LangSmith to managed tra

    匹配字段正文

    #company#产品更新#Agent#数据/训练
  2. The Rundown AI

    Anthropic 的 AI 生物实验室取得首个发现

    Anthropic 公布其生物实验室的首个成果：Claude 智能体在病毒 DNA 数据库中发现一种此前未见、带有类似 CRISPR 重复序列的系统，命名为 ART。Dario Amodei 称这项工作“大部分但并非全部”由 Claude 完成，科学家负责选定研究方向和执行实验；Anthropic 运行了约 950 个智能体、耗时不到一天、消耗 2.1 亿 token。该系统具体功能尚不清楚，Amodei 认为它可能是一种新型基因编辑工具。

    down University . How do you use AI? Tell us for a chance to be featured. 🔀 Switch - Drop any AI agent into your Slack, Teams, or Discord and put it to work. Runs local. Get it on GitHub ⚙️ Halo - Open-source framework for 3× faster Hugging Face model training 📽️ Dramagic - ByteDance’s AIGC platform for short dramas and video production 🩺 Scribe v2 Medical - ElevenLabs’ speech-to-text model for medical transcription Sponsored listing Australian PM Anthony Albanese revealed that an OpenAI agent b

    匹配字段正文

    #newsletter#行业动态#Agent#Anthropic
  3. AWS Machine Learning

    在 SageMaker AI 上用 WhisperX 实现带说话人标注的转录

    AWS 发布 WhisperX 深度学习容器（DLC），在 OpenAI Whisper 基础上加入批量推理、wav2vec2 强制对齐的逐词时间戳和说话人分离，可部署到 Amazon SageMaker AI 实时或异步端点，无需自建镜像。实时端点适用于 60 秒内完成的短音频，长音频建议用异步端点，两者均需将 InferenceAmiVersion 固定为 al2-ami-sagemaker-inference-gpu-3-1。

    speaker labels }) resp = sm runtime.invoke endpoint( EndpointName=ENDPOINT NAME, ContentType=content type, Body=body, ) transcription = json.loads(resp["Body"].read()) The example GitHub repository uses a public-domain recording of the air traffic control (ATC) communications from US Airways Flight 1549, the 2009 “Miracle on the Hudson” emergency landing. It’s a real multi-party radio exchange with background noise, radio compression, and rapid callsign and frequency readouts. Those conditions m

    匹配字段正文

    #lab#教程/实践#语音#部署/工程
  4. NVIDIA Developer · Generative AI

    NVIDIA 发布 NV-Reason-CT 开源 3D CT 视觉语言模型

    NVIDIA 发布 NV-Reason-CT，一个面向 3D CT 分析的视觉语言模型，将思维链推理扩展到全容积 CT，可生成结构化诊断报告并支持多轮追问。模型由 3D ViT 编码器与 Qwen3.5-4B 语言模型组成，在 CT-RATE 基准上取得 Macro-F1 0.614、Macro-AUROC 0.871，超过已发表的 3D 对比学习与 2D/3D 融合基线。权重和配置已在 Hugging Face 开放，训练配方与推理脚本发布在 NVIDIA-Medtech/NV-Reason-CT 仓库，定位为供研究者后训练的研究基础模型，而非获批的临床诊断产品。

    y gap. Example NV-Reason-CT run and output The following example loads NV-Reason-CT and runs a reasoning pass over a 3D CT volume. Checkpoints are available from Hugging Face. The GitHub repository includes inference scripts, training configurations, and post-training recipes. Output excerpt How NV-Reason-CT fits within the NVIDIA Medical AI ecosystem NV-Reason-CT is part of the NVIDIA Medical AI family of open medical AI models, designed to work together across the radiology pipeline: NV-Genera

    匹配字段正文

    #lab#模型发布#多模态#推理
  5. SemiAnalysis

    SemiAnalysis 发布 ClusterMAX 3.0 GPU 云评级，覆盖 77 家 neocloud

    SemiAnalysis 发布 ClusterMAX 3.0，对 77 家 neocloud 做全面评测，市场覆盖范围从 2.0 版的 209 家扩大到 323 家，并访谈了 200 多名终端用户。Nebius 与 CoreWeave 同列 Platinum，Google Cloud 与 Oracle 进入 Gold，Azure 降至 Silver，Crusoe 降至 Bronze，全球仅 19 家 neocloud 获得奖章评级。评测分审计、性能、可靠性三阶段，涵盖 GPU 计算、网络、存储、编排、监控与故障注入，并新增 Bronze 与 Underperforming 之间的 Participation Ribbon 档。

    covers yes/no questions. Is the cluster setup properly? Is software installed? Is it up to date? Do utilities work as expected? It takes about 15 minutes to run. It’s available on GitHub or via {uv} pip install clustermax. The audit checks the configuration before we put it under load. It covers hardware inventory, software and firmware versions, GPU access, containers, scheduler configuration, networking, storage, health monitoring, and security. We check which components apply to the environme

    匹配字段正文

    #analysis#行业动态#部署/工程#数据/训练
  6. NVIDIA Developer · Generative AI

    NVIDIA 开源 Cluster Readiness Engine，在生产负载前验证 GPU 集群就绪

    NVIDIA 发布开源 Kubernetes 控制器 Cluster Readiness Engine（NVCRE），通过运行真实分布式工作负载来验证 GPU 集群是否就绪，并把每个失败归因到具体节点和类别。它采用 Certification、Workflow、Job 三层自定义资源 API，内置覆盖 NCCL 通信、DCGM 四级诊断和 NeMo 预训练（Nemotron 5 的 8B 与 56B）的测试目录，并支持自适应故障隔离，逐层拆分失败分组以缩小可疑节点范围。NVCRE 与 NVIDIA AI Cluster Runtime、NVSentinel 共同构成 NVIDIA DSX OS 运行层，需 Kubernetes 1.29 及以上版本，采用 Apache 2.0 许可。

    an end-to-end validation using NVCRE documentation to certify your GPU cluster before production workloads arrive. Contribute catalog entries, workload adapters, or tests via the GitHub repository to extend coverage for new architectures and inference workloads. Powered by NVIDIA Nemotron. AI-generated content may summarize information incompletely. Verify important information. Learn more A GPU cluster can pass every health check and still fail to run an AI workload. Even when every GPU, netwo

    匹配字段正文

    #lab#开源/仓库#部署/工程#数据/训练
  7. AWS Machine Learning

    基于 AWS 构建的智能体式对话视频智能方案

    AWS 发布基于 Strands Agents SDK 的智能体式视频智能方案，由单个 AI 智能体在运行时编排 Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe，用自然语言提问即可查询视频内容。已分析内容的响应在 1 秒内返回，新视频首次分析需 5–10 分钟；某媒体娱乐公司借此将 200 多段数小时录像的人工审阅时间减少约 80%。

    Video intelligence web interface with a chat panel for natural language queries and a sidebar for file uploads and analysis mode selection

    水线。 用于视觉搜索的计算机视觉流水线。 人脸匹配集成。 在本文中，我们将介绍构建视频智能解决方案的架构和关键模式，该方案可接受自然语言问题并从视频内容中返回答案。该方案采用智能体式架构，在运行时决定调用哪些 AWS 服务。对于此前已分析过的内容，响应可在 1 秒内返回。新视频的首次分析需要 5–10 分钟，具体取决于视频长度和所需服务。完整实现可在 配套 GitHub 仓库. 我们并未为每种问题类型预先构建固定流水线，而是使用 Strands Agents SDK 创建一个单一的 AI 智能体，由它根据用户的提问来编排 Amazon Bedrock, Amazon Rekognition, 以及 Amazon Transcribe 。一家大型媒体和娱乐公司在 AWS Professional Services 的参与下采用了这一方案。借助该解决方案，他们的顾问可以查询已录制的探索会议内容，提取设计决策、行动项和利益相关方的立场。结果是：基于客户内部对每段录像分析师工时的前后对比（未经独立验证），在 200 多段长达数小时的录像积压中，人工审阅时间减少了约 80%。 解决方案概览 该解

    匹配字段正文

    #lab#教程/实践#Agent#多模态
  8. NVIDIA Developer · Generative AI

    NVIDIA 发布 SWE-Serve：评测编码智能体在 SGLang 推理服务任务上的表现

    NVIDIA 发布 SWE-Serve，用 53 个源自 83 个已合并 SGLang PR 的推理工程任务评测 AI 编码智能体，覆盖模型启用、解码、缓存、调度、服务 API 和分布式执行六类。在 19 个启动真实服务器的任务中，同一批补丁完整验证通过率为 45.9%，去掉实时服务检查后升至 69.4%，约三分之一补丁在真实服务路径上失败。11 个模型在 mini-swe-agent 闭卷条件下平均 pass@1 为 34.6% 至 75.5%，Claude Opus 5 与 GPT-5.6 Sol 最高约 75%。

    aluation to prevent retrieval of upstream solutions. Next Steps Explore the SWE-Serve leaderboard to compare model performance across inference-engineering tasks. Run SWE-Serve on GitHub to evaluate your coding agent on SGLang inference-engineering tasks. Read the SWE-Serve paper for the full qualification and evaluation-integrity process. Powered by NVIDIA Nemotron. AI-generated content may summarize information incompletely. Verify important information. Learn more An AI coding agent’s patch c

    匹配字段正文

    #lab#评测/基准#Agent#编码

星期三

  1. ElevenLabs Blog

    Python 语音识别教程：用 ElevenLabs Scribe v2 构建转录应用

    ElevenLabs 发布 Python 语音识别教程，演示如何通过 ElevenAPI 将 Scribe v2 和 Scribe v2 Realtime 集成到 Python 项目，实现批量与实时转录。教程覆盖说话人分离、词级时间戳、多语言支持、关键术语提示和低延迟转录等商用功能，并说明可先在 AI 编程平台安装 ElevenLabs 技能生成代码，免费试用 API 后再订阅付费方案。

    Five steps for Python speech recognition tutorial: setup, transcription, streaming, and enterprise features.

    s skills in the coding environment. All you need to do is run this command in your platform’s terminal: The AI coding agent will download the speech-to-text skill from ElevenLabs’ GitHub repo and install it in the local skill directory. This lets you automatically generate Python code for speech recognition based on ElevenLabs’ official documentation, instead of writing the entire API integration from scratch. Once installed, you can generate speech recognition Python code just by describing wha

    匹配字段正文

    #company#教程/实践#语音#部署/工程
  2. 通义千问 / Qwen精选

    Qwen 发布 Qwen Intelligence，推出三个移动端智能体并开放评测套件

    Qwen 发布 Qwen Intelligence，首批上线三个 SOTA 智能体：Mobile Planner Agent 负责任务规划与编排，在 MobilePA-Bench、MobilePA-Bench Business 和 Memory 上排名第一；Mobile-Use Agent 以 API 优先、GUI 兜底执行任务，MobileWorld 82.1、MobileWorld-Real 92.2、AndroidDaily 97.2，端到端成功率 90%；Mobile Creative Agent 可将一句话变成可用创作，图像生成耗时 3 秒，约为领先同类产品的 2 倍速度。官方同时开放 MobilePA-Bench、MobileWorld、MobileWorld-Real 和 MobileWorld-Safety 评测套件，覆盖规划、跨应用执行、真机性能与安全。

    , and MobileWorld-Safety, covering planning, cross-app execution, real-device performance and safety. 🔗 Learn more about the agents: - Qwen Intelligence official website: https://t.co/ZJJYJtmJIL - Mobile Planner Agent: https://t.co/M0Wxpoa00x - Mobile-Use Agent: https://t.co/vvQtbUAagJ - Mobile Creative Agent: https://t.co/gWWOmrSIqV 🔗 Explore our open benchmark suite: - MobilePA-Bench: https://t.co/9nXxzG0Ygp - MobileWorld (GitHub): https://t.co/POvERSuCSJ - Leaderboard: https://t.co/YYOw8bmJ6H

    匹配字段正文

    #company#产品更新#Agent#端侧
  3. AWS Machine Learning

    HEMA 如何用 MCP 和 Amazon Bedrock 打造内部 AI 助手 HAL

    荷兰零售商 HEMA 基于 Amazon Bedrock AgentCore 构建了内部 AI 助手 HAL，并通过 Model Context Protocol（MCP）把知识接入 HAL 聊天、Kiro、Claude 等工具。HAL 将原本需要三四个门户、耗时一下午的查询缩短到数秒，安全依托 Microsoft Entra ID，客户端不存 AWS 凭证，目前为只读访问。

    Diagram of the fragmented sources a HEMA user consulted before HAL: wikis, service catalogs, and IT portals

    bility guidance, visit the MCP specification site . To get hands-on with Strands Agents, the open source agent framework used to build HAL’s internal agent, see the Strands Agents GitHub repository . If you’re building a similar knowledge layer for your organization, the Amazon Bedrock workshop walks through RAG patterns, Knowledge Bases, and guardrails in a guided environment. For related reading, see Building and connecting a production-ready ecommerce MCP server using Amazon Bedrock AgentCore

    匹配字段正文

    #lab#教程/实践#MCP/工具调用#RAG
  4. Together AI Blog精选

    如何用 17 美元训练自己的 Jev 分类模型

    Together AI 发布教程，介绍如何基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型，训练成本约 17 美元、耗时约 25 分钟。教程从 Hugging Face 的多个数据集采样 38,340 条样本，经 fetch_sources.py 和 build_all.py 归一化后，用 Together 微调服务训练，再部署到 1x_nvidia_h100_80gb_sxm 专用端点并通过 HTTP 接口调用。作者同时上线了 together/Tev1-4B-experimental，不想自行训练的用户可直接在 Together 无服务器平台使用。

    classifier, and not bother with training your own model, check out together/Tev1-4B-experimental on Together’s serverless platform. The first thing we need to do is clone the tev1 GitHub repository. Once the repository is cloned, we’ll need to install the necessary dependencies using: uv sync --locked The final setup step is to create an .env file that will hold the necessary environment variables. Copy .env.example : cp .env.example .env Edit the new .env file and add your TOGETHER API KEY . Yo

    匹配字段正文

    #company#教程/实践#数据/训练#部署/工程
  5. Latent Space

    John Platt 谈 AI for Science：Google ERA 如何自动求解可评分科学问题

    Google 的 John Platt 介绍了团队开发的 Empirical Research Assistance（ERA），它用 Gemini 维护实验树、以类似蒙特卡洛树搜索的方式挑选并变异 notebook，把可写成评分函数的科学问题自动化求解，已产出至少十篇论文。ERA 在 Gemini 2.0 到 2.5 之间出现质变，从完全不可用变为效果出色，并被用于飞机凝结尾迹等气候变化研究。

    有了评分函数，找到最大化者仍可能需要付出相当大的努力。 John 的团队着手将这一通用问题的求解自动化。这源于“auto-Kaggle”AI 的想法——它能解决你抛给它的任何 Kaggle 问题。Kaggle 归谷歌所有，所以所有数据都已就绪，他们可以轻松获取！ 成果就是谷歌的 Empirical Research Assistance，简称 ERA（论文、github、博客）。1 ERA 在概念上出奇地简单。Gemini（或你选择的 LLM）维护一棵不断生长的树，记录过去的实验（notebook）及其走向。它是蒙特卡洛树搜索的近亲：在每次迭代中，上置信界规则挑选出最有希望进行变异的 notebook。这是乐观策略而非贪婪策略，所以有时甚至第五好的 notebook 也会被选中。随后 Gemini 为每个 notebook 提出变异方案，一次大约十个。每个分支的历史是共享的，因此不同的叶节点可以相互学习。 “这几乎就像拥有一个不睡觉、极度热切的博士生。” 进化算法自 70 年代就已存在，但之所以这次能奏效，是因为 Gemini 确实知道该往哪里看！更有趣的是，Gemini 2.0 和

    匹配字段正文

    #newsletter#行业动态#Google#数据/训练
  6. AWS Machine Learning

    Claude Opus 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS

    AWS 宣布 Claude Opus 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，是 Claude 5.5 模型家族的首个成员。据 Anthropic 称，该模型用更少 token 完成更多工作，单 token 价格更低、缓存读取更便宜，平均每任务成本低于 Claude Opus 5；自适应思考始终开启，由 effort 控制推理量。它也是首个配备生物学、网络安全和 AI 开发安全分类器的 Opus 模型，请求被拒绝的频率高于此前 Opus 版本，可通过 Bedrock 控制台 Playground 或 Anthropic Messages API 等方式调用。

    e through Claude Platform on AWS in North America. Give Claude Opus 5.5 a try in the Amazon Bedrock console, in Claude Platform on AWS, or explore the Getting Started notebooks on GitHub. About the authors Aamna Najmi Aamna is a Senior Specialist Solutions Architect for Generative AI focusing on Anthropic models and operationalizing and governing generative AI systems at scale on Amazon Bedrock. She helps ISVs solve their challenges, embrace innovation, and create new business opportunities with

    匹配字段正文

    #lab#产品更新#OpenAI#Anthropic
  7. Cognition 模型 / Devin 博客

    Cognition 宣布 Devin 进军拉美，Itaú 超 75% 技术团队已使用

    Cognition 在圣保罗 MASP 宣布 Devin 进入拉丁美洲市场，以圣保罗为起点服务区域客户并招聘本地团队。Itaú 超过 75% 的技术团队已使用 Devin，完成 30 万+ 仓库文档化、.NET 迁移 Java 提速 6 倍、自动修复约 70% 安全漏洞，工程吞吐量提升 20-30%；Nubank 用 Devin 将数百万行单体迁移从数年缩短到数周，成本降低 20 倍以上。

    take more than hiring more developers. Companies need a different way to build, modernize, and maintain software. Latin America has the talent to lead: 15.8 million developers on GitHub, nearly five times as many as in 2020, and the world’s third-largest developer community behind only the United States and India. The appetite is not just for the latest technology. It’s to build what comes next. Some of the region’s most demanding engineering teams already build with Devin: banks like Itaú, Nub

    匹配字段正文

    #company#行业动态#Agent#部署/工程

星期二

  1. 少数派

    用 60 元的小米蓝牙遥控器 2 Pro 为 AI 编程做手持语音控制器

    少数派作者 neyham 用约 50–60 元的小米电视蓝牙语音遥控器 2 Pro（型号 RC003）搭配开源工具 SayAll，把遥控器变成 AI 编程的手持控制器：按住语音键口述 Prompt，松手上屏，方向键切换终端 Tab 和 Workspace。SayAll 会生成虚拟麦克风 MiRemoteV 2ch，配合微信输入法的按住说话功能使用，macOS 和 Windows 均有配置路径。文章还给出 SayAll 引导卡住、微信输入法无法录入独立 Fn 键等排坑方法。

    接收音频并实时推流到虚拟麦克风，松手时结束。 配合支持「按住说话（PTT）」的语音输入法（如微信输入法），就能做到按住说话、松手上屏。 2.1 macOS 平台配置流程 配对遥控器：在 Mac 系统设置的蓝牙列表中，同时长按遥控器的「主页键（房子标）」和「菜单键（三条杠）」，等待指示灯闪烁，在 Mac 上点击配对连接； 安装 SayAll 与音频驱动： 从 GitHub Releases 下载安装 SayAll.app； 打开后根据提示安装音频驱动插件（位于 /Library/Audio/Plug-Ins/HAL/MiRemoteV2ch.driver）； 打开「系统设置 ➔ 声音 ➔ 输入」，此时可以看到已出现输入设备 MiRemoteV 2ch； 设置微信输入法（WeType）： 微信输入法的语音识别率和标点断句很准确，并且支持长按快捷键说话； 在微信输入法设置中开启「按住快捷键说话」，将快捷键设为 Fn（或指定组合键）； 声音输入来源选择 MiRemoteV 2ch。 2.2 Windows 平台配置流程 如果你在 Windows 环境下使用（例如用 Windows 跑终端、运行

    匹配字段正文

    #hot-signal#教程/实践#语音#编码
  2. AWS Machine Learning

    Agentforce 与 AWS 集成：用 Amazon Bedrock Data Automation 和 MCP 处理公共部门非结构化数据

    AWS 展示了如何将 Amazon Bedrock Data Automation 与 Model Context Protocol（MCP）结合，把执法记录仪视频、监控录像和扫描文档等非结构化证据转为结构化洞察，并通过 Salesforce Agentforce 以自然语言查询调用。文件进入 Amazon S3 后由 S3 事件通知触发 Lambda，启动 Bedrock Data Automation 任务，结果经 EventBridge 和第二个 Lambda 存入输出桶；Agentforce 侧通过 Amazon Bedrock AgentCore Gateway 经 MCP 调用 AWS Lambda 上的 MCP 服务器，查询 DynamoDB 并返回 S3 结果。该方案为示例代码，非生产就绪。

    er an MCP server is available. Registering external MCP servers is available in Developer, Enterprise, Performance, and Unlimited Editions (see Manage External MCP Servers ). This GitHub repository provides a deployment of the AWS resources required to create an event-driven architecture. The solution deploys a serverless infrastructure that includes Amazon EventBridge rules, Amazon Bedrock Data Automation configuration, AWS Lambda functions, Amazon DynamoDB tables, and Amazon Bedrock AgentCore

    匹配字段正文

    #lab#教程/实践#MCP/工具调用#部署/工程
  3. Latent Space

    小米发布 MiMo-V2.6-Pro 与 Flash 开源全模态模型，训练成本约 300 万美元

    小米发布 MiMo-V2.6 系列开源全模态模型，其中 MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活参数，采用 MIT 许可，Artificial Analysis 称其以 46 分登顶开源权重模型智能指数。技术报告显示其 RL 训练在 130 小时、75B token 上花费约 260 万美元，并计划开源环境代码与训练配方，但 7k+ 任务数据集尚未发布。

    ws : Cognition introduced Devin Cloud in Terminal and devin ssh , making the model’s VM directly accessible from the CLI and allowing handoff between Devin and the user’s machine. GitHub Copilot teased editable diffs in the desktop app, while @pierceboggan showed a Sentry-integrated canvas for moving from crash report to fix. A recurring systems point: inference and agent infra are shifting toward test-time compute : @sarahookr predicts compute moving from pretraining—where marginal FLOPs yield

    匹配字段正文

    #newsletter#模型发布#开源生态#多模态