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。
#教程/实践
AWS Machine Learning BlogAI 评分3838 AWS Machine Learning BlogAI 评分2222 如何用 Amazon SageMaker HyperPod 实现跨团队 GPU 集群隔离与公平共享
Amazon SageMaker HyperPod 多租户参考架构通过 AWS IAM Identity Center 统一认证、按团队划分 SageMaker AI 域、Kubernetes 命名空间隔离工作负载，并用 HyperPod Task Governance 实现算力配额与调度优先级管理。
OpenAI NewsAI 评分2222 LegalOn 将 Codex 成本减半，同时保持开发速度
LegalOn 将 Codex 每日预估成本降低 65%，同时保持开发速度。其做法是按任务匹配 Astra、Sol 和 Luna，并对预算进行策略性管理。
Hugging Face Blog精选AI 评分7676 作者用 ML Intern 两天自建六个模型，总花费约 103 美元
作者在 HuggingChat 中开启 ML-intern 模式，用提示词让它完成数据集构建、训练、评测和发布，两天内做出六个模型，总计算花费约 103 美元。
推荐理由：作者用 ML Intern 在两天内从零训练并发布六个模型，给出了提示词写法与逐项算力花费，可迁移到自己的训练流程。
AWS Machine Learning BlogAI 评分3232 Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。
AWS Machine Learning BlogAI 评分3030 如何为 agentic automation 构建商业论证：超越节省工时
AWS 提出 Agentic Value Model，用于替代为 RPA 设计的传统 ROI 模型，从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量 agentic automation 的价值。
AWS Machine Learning BlogAI 评分2222 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
Qlik 基于 Amazon Bedrock 打造 Qlik Answers，为全球超 4 万名客户提供带来源引用的自然语言问答，2026 年 2 月正式可用后，其 Discovery Agent 已为客户发现超 10 万条洞察。
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2222 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者需强化三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。
Google Developers BlogAI 评分2727 在 TPU 上加速视频扩散模型的时空注意力
Google 分享了在 TPU 上将视频扩散模型稀疏注意力理论转化为端到端加速的案例。81 帧 720p 视频的序列长度达 50K 至 400K，从 720p 升至 1440p 时序列长度翻两番，全注意力在单层延迟中占比可从 55.5% 升至 88.2%。
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。
Google Developers BlogAI 评分2222 在 MaxText 中复现 Ai2 Olmo 3 7B 预训练：TPU 大规模训练案例研究
Google 团队在 Google Cloud TPU 上用 MaxText 从零复现了 Ai2 的 Olmo 3 7B，覆盖 stage-1 预训练与 stage-2 mid-training anneal，并在留出指标上验证匹配。
GitHub Blog · AI & MLAI 评分2828 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以应对超大 diff 与评论带来的渲染压力，实测对象是一个包含 2,200 个文件、超 100 万行改动和 400 多条行内评论的开源 pull request。方案将文档高度拆成确定性的代码几何与动态块几何两部分：代码行高可提前精确计算，评论、草稿和回复框则按块惰性测量，并锚定到文件、行号和侧别而非像素坐标。
JetBrains AI BlogAI 评分4040 JetBrains 如何为语义代码搜索构建 RAG 流水线：解析、分块与向量化
JetBrains 分享了其语义代码搜索平台 Air Context 的 RAG 流水线构建经验，首篇聚焦解析、分块与向量化。团队指出固定行数分块会把 import 语句和函数内容等无关代码混在一起导致检索错误，因此采用基于解析器的结构感知分块，利用 Java 等语言的类结构约定划分语义单元。该平台旨在让 LLM 智能体按语义而非关键词检索代码，获得可引用的仓库证据。
Mistral AIAI 评分5858 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件也没有集中文档。团队先搭建数值对齐测试框架，用 Skill.md 引导智能体导出 Fortran 状态快照并在 C++ 侧校验，再用自定义解析器生成调用树、由 Vibe CLI 调度上百个智能体逐节点补文档。
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。
Zed BlogAI 评分1818 Zed 隐藏技巧 Part 4：居中布局、多项目导航与命令别名
Zed 发布 Hidden Gems 系列第四篇，介绍居中布局、多项目键盘导航、集成终端中设置 EDITOR 为 zed --wait、命令别名（command_aliases）以及用大纲面板紧凑浏览搜索结果等技巧。其中 command_aliases 可为命令面板中的任意命令定义单词别名，例如将 gd 映射到 git::Diff、gcp 映射到 git::CreatePullRequest。
CrewAI BlogAI 评分2222 CrewAI 如何帮一家头部金融科技公司把每周合规报告从 2 天压缩到 2 小时
CrewAI 的多智能体系统帮一家头部金融科技公司将每周合规报告生成时间从 16 小时（两天）压缩到不足 2 小时，单份报告周转时间减少 87%。该系统由自动提取五个内部系统数据的 Flow 与分析 Crew 组成，智能体分别负责汇总合规指标、撰写叙述并由协调者整合成报告，同时保留历史记忆与合规护栏。该团队在看到结果后签下六位数合同。
CrewAI BlogAI 评分2222 CrewAI 如何用五智能体工作流自动化中型 SaaS 云支持工单分诊
CrewAI 为一家年处理 15000+ 告警工单的中型全球企业 SaaS 厂商部署五智能体工作流，实现 Level 1 工单分诊全自动化，平均首次响应稳定在 20 分钟，满足 45 分钟合同 SLA。
CrewAI BlogAI 评分2222 医疗机构如何用 CrewAI 智能体将护士录入工作削减 80%
CrewAI 的智能体架构帮助一家医疗机构将护士每日录入时间从 12 小时降至约 2.4 小时，减少 80%。该工作流由 Intake Reader、Insurance Eligibility、Routing、Orchestrator 等专职智能体分工协作，并配有 Validation Guardrails 监控准确性与合规性。
CrewAI BlogAI 评分2222 CrewAI 如何用多智能体架构为电商巨头自动化退货退款
CrewAI 用三个专职智能体加一个编排器，为一家日均处理 5 万订单的电商公司自动化退货退款流程：请求分类、订单与政策核验、回复草拟，复杂案件才转人工。该方案目标是将退货处理人员减少 60%、每年节省超 120 万美元，请求处理速度提升一倍。
CrewAI BlogAI 评分2222 CrewAI 如何用六个 AI 智能体为全球快消企业自动化供应链需求预测
CrewAI 为一家全球饮料企业重建每周需求预测流程，用六个专职 AI 智能体组成自主工作流，分别负责编排、从 SAP S/4HANA 和 Databricks 取数、清洗、SKU 级预测、异常识别和报告生成。部署周期从约一个月缩短到两周，实现约 90% 自动化，原本五名分析师每周 40 小时的数据整理工作降至分钟级，代码与模型更新可在 30 分钟内上线。
Continue BlogAI 评分2828 检查你的意面软件工厂：AI 智能体写代码为何需要语义检查
随着 Claude Code 等 AI 智能体并行写代码，代码库正变成无人阅读的"只写代码"，Brown 教授 Shriram Krishnamurthi 发现其生成的 bookstore 应用存在用浮点数算钱、自造 CSV 解析器等问题。
Continue BlogAI 评分2222 283 行净代码与一本护照：一位开发者用 8 波 Claude Code 会话一天合并 29 个 PR
一位开发者用 8 波、每波 4 个并行 Claude Code 会话（各自独立 git worktree、先规划后构建），一天内合并 29 个 PR，净增 283 行代码（新增 3,917、删除 3,634），每个 PR 通过 27 项 AI 检查。
Continue BlogAI 评分2222 Continue：如何用“Chiseling”打磨 Vibe Code
Continue 提出在 vibe coding 之后增加“Chiseling（凿刻）”环节，即人工重构和打磨 AI 生成的代码，把重复功能、1000 行方法和无用单测清理成清晰的逻辑核心。团队规模扩大后，凿刻会成为瓶颈，因此需要在 CI/CD 中引入云端智能体自动检查命名、抽象、测试与安全规范，把资深工程师的打磨标准编码为对每个 PR 的系统化审查。