Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，减少 78%。该系统还把手动生命周期步骤从 10 步以上压缩为 1 次交互（减少 70%），并将冗余告警中位数削减 65%。三人团队用六个月完成交付。
#MCP/工具调用
AWS Machine Learning BlogAI 评分3838
AWS Machine Learning BlogAI 评分3636 用 AWS Lambda Durable Functions 自动化 AWS DevOps Agent 调查后的修复流程
AWS 展示了一套自动化修复工作流，用 Amazon EventBridge 接收 AWS DevOps Agent 的调查完成事件，再由 AWS Lambda Durable Functions 调用 Amazon Bedrock 分析根因并从预批准的 Lambda 工具白名单中提出修复方案。
AWS Machine Learning BlogAI 评分2222 AWS 如何用六周项目弥合 AI 知识-能力差距
AWS 设计了一个为期六周、每周约四小时的结构化项目，让非工程背景的业务人员用 Amazon Bedrock、Amazon Bedrock AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas（画布扩展）是一种用户与智能体共享的可定制界面，可做成看板、issue 分诊板、发布清单或仪表盘，且双向同步——智能体更新画布，用户也能通过按钮、卡片、筛选器直接修改。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出用 canvas 替代 chat 作为 AI 主要交互界面，canvas 是运行在 GitHub Copilot app 内的全栈应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 生成的代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专家经验，后者是连接工具与数据的标准协议，二者可组合使用；RAG 并未消亡，检索能为模型提供训练数据之外的相关信息，减少 token 浪费并降低答案不完整的概率。
JetBrains AI Blog精选AI 评分6060 JetBrains 开放 Central CLI 早期访问，用 AI credits 管控第三方 Agent 开销
JetBrains 在 2026 上半年 AI 开发支出增长约 10 倍后，把内部调试用的 CLI 包装器做成 JetBrains Central CLI，并于 7 月 8 日开放早期访问，任何拥有 JetBrains AI credits 的个人或组织均可使用。
推荐理由：JetBrains 公开了内部 AI 成本治理的完整路径，从失控到自研 CLI 再到开放早期访问，可对照自身团队的多工具开销问题。
Sourcegraph BlogAI 评分2828 如何在自有代码库上评估 Sourcegraph
Sourcegraph 给出了一套在自有代码库上评估其 MCP server 的方法：在 288 个任务中，结构化检索把文件级 F1 从 0.091 提升到 0.240、recall 从 0.120 提升到 0.272，但整体任务完成奖励基本不变。成本则因任务而异，基线智能体广泛搜索时节省 15% 至 51%，基线仅需七次以内搜索即可定位时平均多花 $0.15。
CrewAI BlogAI 评分3636 CrewAI 如何构建数据所在之处的智能体
CrewAI 提出"受治理编排"模式，让智能体跨系统协同工作，同时由平台从设计之初就承载治理能力。该模式结合 Snowflake 的权限模型与数据血缘，以及 CrewAI 的构建与运行时层，使智能体在不突破企业信任边界的前提下规模化运行。
Continue BlogAI 评分2222 Continue：AI 是新的胶水，LLM 如何粘合开发工具链
Continue 提出 LLM 正在成为新的"胶水代码"，用于粘合 webhook、CLI、REST API、数据库等格式各异的接口。其与 Snyk 合作将 AI 安全嵌入开发流程：Snyk 发出漏洞告警后，LLM 提取严重程度和受影响文件路径，生成补丁，再通过 CLI 跑测试并用 gh pr create 创建 PR。