Anthropic 称旧版提示词习惯拖慢 Claude Opus 5.5，建议去掉“think hard”等表述
Anthropic 表示，Claude Opus 5.5 现已作为 Pro、Max、Ultra 和 Team 套餐的默认模型，但用户沿用的旧版提示词习惯限制了它的表现，首要是删掉“think hard”“think carefully”这类短语，因为模型会自行按任务和所选 effort 等级调节推理深度。
全部 AI 动态
The DecoderAI 评分5555
AWS Machine Learning BlogAI 评分5353 在 Amazon Bedrock 上用 NVIDIA NeMo Switchyard 为编码智能体请求路由模型
AWS 发布教程，演示用 AWS CDK 在 Amazon Bedrock 上部署带 NVIDIA NeMo Switchyard 路由插件的 LiteLLM 网关，为编码智能体请求选择模型。
AWS Machine Learning BlogAI 评分5858 Amazon Bedrock AgentCore runtime V2 快速会话启动的四种架构模式
AWS 官方博客介绍 Amazon Bedrock AgentCore runtime V2 的会话启动机制，把容器初始化移到快照构建阶段，新会话直接恢复快照。
AWS Machine Learning BlogAI 评分4444 AssemblyAI 如何用 Amazon EC2 Spot 优化语音转文字推理成本
AssemblyAI 在 AWS 上以 Amazon ECS 搭配 EC2 Spot 与 On-Demand 混合的 GPU 集群运行语音转文字推理，通过 SQS 队列重试机制在 Spot 中断时把任务重新入队。架构跨 g4dn、g5、g6 三类 NVIDIA GPU 实例族分散 Spot 容量，并在 us-west-2 与 eu-west-2 区域部署以满足数据驻留合规。
AWS Machine Learning BlogAI 评分4747 Amazon Bedrock 如何实现 AI 开发与效率工具的按用户成本归因与管控
Amazon Bedrock 提供零埋点的成本归因能力，可将每次推理调用追溯到发起调用的 IAM 主体，并连同组织标签写入 CUR 2.0 与 Cost Explorer。
AWS Machine Learning BlogAI 评分4343 如何用 Amazon SageMaker HyperPod Data Capture 构建模型改进飞轮
Amazon SageMaker HyperPod 的 Data Capture 能在端点、负载均衡器、模型 Pod 三个独立层级把线上推理输入输出写入 Amazon S3，且对模型可用性零影响。以 Qwen2.5-3B-Instruct 家电客服路由为例，演示采集、Athena 分析、SQL 标注、微调、再部署五步飞轮，微调约一分钟即可完成。
Hugging Face BlogAI 评分5151 NVIDIA 用 SimReady 资产在 Isaac Sim 搭建机器人抓取放置仿真
NVIDIA 在 Hugging Face 博客发布教程，演示如何用 SimReady Central 的 UR17G 机械臂、Robotiq 2F-140 夹爪和饮料罐资产，在 Isaac Sim 6.2 中搭建并运行抓取放置仿真。
Anthropic EngineeringAI 评分4242 Anthropic 分享构建高质量 AI 安全评估的方法
Anthropic 发布文章，分享构建 AI 安全评估的建议，主张借鉴心理学界应对可复现性危机的改革经验。文章提出组建含方法与领域专家的团队、在无网络沙箱中实时监控运行评估，并区分观察性与因果性设计、关注构念效度，例如对自杀自伤类对话而言拒绝回答本身就是失败。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 agent skills 实践指南，一次构建可在多个智能体运行
GitHub 发布一份 agent skills 实践指南，说明以 SKILL.md 为核心的版本化目录如何描述可复用任务并在不同智能体间共享。
AWS Machine Learning BlogAI 评分5757 Natera 如何用 Amazon Bedrock AgentCore 构建实验室运维智能体系统
Natera 团队基于 Amazon Bedrock AgentCore 构建了实验室运维智能体系统 SWARM，把支持工单的首次响应时间从 17.4 小时降到约 8 分钟，自动化覆盖率达到 96.2%。
AWS Machine Learning BlogAI 评分5454 影响 Amazon Bedrock 成本的四个推理请求设置
AWS 官方博客梳理了 Amazon Bedrock 中四项影响推理成本的请求级设置，分别是提示词缓存时长、服务层级、推理强度和 maxTokens。文中给出实测数据，例如 Claude Opus 5 的智能体任务把推理强度从 low 提到 high 后输出 token 中位数增加 169%，Nova 2 Lite 的 Flex 层级费率为 Standard 费率的一半。
AWS Machine Learning BlogAI 评分5151 AWS 用 Amazon Bedrock 与 LiteLLM 搭建自助式 LLM 网关
AWS 官方博客介绍如何用 Amazon Bedrock Application Inference Profiles 配合运行在 AWS Fargate 上的 LiteLLM，构建面向开发者的自助式 LLM 网关，把 Bedrock 封装成 OpenAI 兼容 API。
AWS Machine Learning BlogAI 评分5353 AWS 详解如何在 Amazon Bedrock 上优化单任务成本并证明智能体 ROI
AWS 发布 Amazon Bedrock 成本优化与智能体 ROI 度量指南，主张按单任务成本而非 token 单价比较模型。文章拆解 tokenizer 效率、输出冗余、智能体循环轮次和推理开销四项隐性成本，并给出一个示例：单价高 2 倍的模型因 token 更少、一次完成，单任务成本反而低 65%。
OpenAI Developers Blog精选AI 评分7070 OpenAI 如何为 OpenClaw 等常驻智能体构建安全防护
OpenAI 在开发者博客中说明其内部部署数百个 OpenClaw 常驻智能体时采用的安全控制，包括隔离可信网关与不可信 LLM 执行环境、用沙箱限制网络和文件访问、以第二个模型做 Auto-review 审批。
推荐理由：OpenAI 公开内部数百个常驻智能体的沙箱、身份与审批配置，可作为企业部署 Agent 时的安全基线参考。
AWS Machine Learning BlogAI 评分5151 AWS 提出 Agent DLC：用评估驱动智能体从原型走向生产
AWS 提出 Agent Development Lifecycle（Agent DLC），围绕 Define、Build、Evaluate、Release、Observe、Feed Back 六个活动和一个明确的 gold standard 组织智能体交付。
AWS Machine Learning Blog精选AI 评分6060 AWS 详解 Amazon Bedrock Managed Knowledge Base 工具的细粒度访问控制
AWS 发布教程，介绍如何让共享同一智能体和知识库的员工只检索到自己有权查看的文档。
推荐理由：原文给出可复用的多层防御架构与完整 CDK 示例，读者可据此为共享知识库的智能体设计按用户隔离的检索权限。
AWS Machine Learning BlogAI 评分5555 AWS 发布基于 A2A 的跨组织多智能体系统部署教程
AWS 发布教程，演示如何在两个 AWS 账号间用 A2A 协议搭建跨组织多智能体系统：企业侧 LangChain 编排器通过 A2A 调用 SaaS 侧基于 Strands Agents SDK 的合规智能体，双方各自使用 Amazon Cognito 身份池完成双向 OAuth 鉴权，不共享密钥也不依赖对方框架。
Hugging Face BlogAI 评分5858 Hugging Face 发布 TRELLIS.2 的 LoRA 微调指南与容器脚本
Hugging Face 博客发布 TRELLIS.2 的 LoRA 微调指南，提供可在本地或 Hugging Face Jobs 运行的预处理与训练容器脚本。
AWS Machine Learning BlogAI 评分4747 用 Amazon Bedrock 和 Spring AI 构建自主 AI 智能体
AWS 发文介绍如何用 Spring AI 与 Amazon Bedrock 在 Java 中构建自主 AI 智能体，并给出基于 spring-ai-agentcore 的实现模式。
AWS Machine Learning BlogAI 评分5151 AWS 官方指南：如何让 OpenAI Codex 通过 Amazon Bedrock 推理
AWS 发布指南，讲解如何让运行在开发者工作站上的 OpenAI Codex 通过 Amazon Bedrock 调用受支持的 OpenAI 模型，示例使用 GPT-5.6 Sol。
AWS Machine Learning BlogAI 评分5555 如何在 Amazon SageMaker HyperPod 上检测并恢复静默数据损坏
AWS 发布教程，介绍如何在 Amazon SageMaker HyperPod 上通过训练循环内的三项检查检测静默数据损坏，并把可疑 GPU 定位到节点后替换。三项检查分别是梯度 NaN/Inf 检查、环形重放审计和权重指纹比对，作者在 32 块 H100 上用注入故障做了验证。文中测得每 100 步做一次确定性审计约增加 10% 单步耗时，并给出定位、隔离、确认与替换节点的完整流程。
AWS Machine Learning BlogAI 评分4848 开源引擎用 anti-unification 对形式化策略做语义 diff
开源引擎用 anti-unification 在 e-graph 上对形式化策略做语义 diff，共同结构只展示一次，差异部分保留两个版本供审查。它可用于比较 LLM 将同一需求自动形式化成的 SMT-LIB、Cedar、CEL 等策略表达式，优先审查不一致的条件、范围或事件；若规则或搜索不完整，残留差异可能只是尚未发现的等价关系。
AWS Machine Learning BlogAI 评分5252 DXC Technology 如何在 Amazon Bedrock 上构建多模型 AI 底座
AWS 博客介绍 DXC Technology 如何在 Amazon Bedrock 上为 DXC OASIS 搭建多模型底座，统一接入 Anthropic Claude、Amazon Nova、Meta Llama 和开放权重模型。
AWS Machine Learning BlogAI 评分4141 AWS 如何用 23 个可复用资产加速生成式 AI 交付
AWS 提供 23 个生产级开源可复用资产，覆盖 RAG、文档处理和智能体脚手架，可将生成式 AI 开发周期从数月缩短到数周。DoorDash 用 Contact Center GenAI Agent 实现每天超 100,000 通电话、2.5 秒响应，测试容量提升 50 倍。Ricoh 用文档处理资产实现 7 倍吞吐，部署工程小时从 80 降至 5 以下。
AWS Machine Learning Blog精选AI 评分6060 AWS 开源 UAEF：跨框架的 AI 智能体闭环评测系统
AWS 发布开源框架 UAEF（Universal Agent Evaluation Framework），通过适配器把 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的执行轨迹统一为 AgentTrace，再用 7 个维度下的 36 项内置指标打分。
推荐理由：原文给出跨框架统一评测的适配器设计与 36 项指标清单，可据此判断多框架智能体如何做版本对比。
AWS Machine Learning BlogAI 评分5353 AWS 介绍用 Quick 六智能体搭建 AI-PDLC 产品开发流程
AWS 发布博客，介绍如何在 AWS Quick 中配置由 Orchestrator 统筹的六个智能体，覆盖 Discover、Decide、Design、Prototype 四个上游阶段，每个关卡都需人工审批。
AWS Machine Learning BlogAI 评分4545 用 LangGraph 和 Amazon Bedrock AgentCore Web Search 构建每日依赖监控器
Amazon Bedrock AgentCore 的 Web Search API 现已可用，开发者可用 LangGraph 构建每日依赖监控器，并行检查 npm、PyPI 和容器基础镜像。测试中三个分支并行耗时 36 秒，串行需 99 秒；每次运行最多 12 次搜索。请求用 AWS SigV4 签名，结果含标题、URL、发布日期和摘录，并支持域名与日期范围过滤。
AWS Machine Learning BlogAI 评分4040 Amazon Bedrock AgentCore Evaluations 智能体评估指南：内置、DeepEval 与 AutoEval
Amazon Bedrock AgentCore Evaluations 支持三类评估器：AWS 内置评估器（如 Builtin.GoalSuccessRate、Builtin.Helpfulness 等 15 个）、DeepEval 与 AutoEval 托管开源指标，以及可替换模型和提示词的自定义评估器。
AWS Machine Learning BlogAI 评分4141 Amazon Bedrock 调用日志可观测性数据湖方案
AWS 发布 Amazon Bedrock 调用日志可观测性数据湖方案，将各账户的模型调用日志经 CloudWatch、Data Firehose 汇聚到中心账户，转成 Parquet 后用 Athena 统一查询。
Hugging Face Blog精选AI 评分6262 Hugging Face 介绍决策模型：用 Transformers 和 llama.cpp 输出概率化决策
Hugging Face 发文介绍决策模型，这类模型接收 state 和 questions，直接返回带概率的结构化决策而不生成文本。
推荐理由：Hugging Face 把决策模型统一成 state 加 questions 的接口，并给出 Transformers 与 llama.cpp 的调用方式，便于判断这类非生成式输出能否接入现有服务。
AWS Machine Learning BlogAI 评分4141 CrossnoKaye 如何用 Amazon Bedrock AgentCore 落地物理 AI
CrossnoKaye 用 Amazon Bedrock AgentCore 的代码解释器，让 AURA 智能体在隔离 microVM 中运行 Python，把 ATLAS 的工厂数据与闭环控制打通。
OpenAI NewsAI 评分4040 OpenAI Control Room：追踪并叫停研究基础设施中的模型工作负载
OpenAI 介绍 Control Room，一套可跨其研究基础设施追踪模型工作负载、并在出现安全或安保问题时快速叫停这些负载的中央系统。
OpenAI Developers BlogAI 评分4040 用 Codex 和 ModRetro Chromatic 构建复古掌机游戏
OpenAI 展示如何用 Codex 的 ModRetro Chromatic 插件构建 Game Boy Color 游戏，并可在 Chromatic 掌机上试玩。
Anthropic Engineering精选AI 评分6262 Anthropic 解析智能体记忆的组成部分与 dreaming 机制
Anthropic 工程团队发文拆解智能体记忆的组成部分，涵盖记忆笔记、dreaming 离线整理、wiki 表示和记忆分层注入。在 CL-Bench 1.0 数据库任务中，Claude Opus 5 能把验证过的规则写入记忆形成学习闭环，而 Sonnet 4.6 只留下未经验证的猜测。
推荐理由：文中对比了不同 Claude 模型在记忆写入上的差异，并给出 dreaming 与 wiki 两类可迁移的记忆组织方法。
GitHub Blog · AI & MLAI 评分4242 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开，并保留对话、代码改动和工作上下文继续处理。VS Code 会打开该会话对应的 worktree，并在 Copilot 侧边栏显示原会话，方便逐行审查 diff、手动编辑和在本地运行测试。完成后可提交并推送到会话关联的 pull request。
OpenAI Developers Blog精选AI 评分6464 OpenAI 分享用 GPT-6 系列模型维护代码库的实践
OpenAI Core Experimentation 团队撰文介绍用 Codex 配合 GPT-6 Astra 与 GPT-6.1 Sol 维护代码库的做法，团队已合并 1400 多个由模型提议的维护 PR，删除超过 80 万行死代码。
推荐理由：文中给出 GPT-6 Astra 与 GPT-6.1 Sol 在清理死代码和过期实验上的成本与产出对比，可作为选择模型档位的参考。
GitHub Blog · AI & MLAI 评分4343 GitHub 用 ModernBERT 分类器重构密钥扫描：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，用户接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98%。新流水线先用正则高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护，在代码提交前返回结果。
GitHub Blog · AI & MLAI 评分4141 GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种定制方式：用 .github/copilot-instructions.md 定义仓库级规范，用 agent skills 打包可复用流程，用 custom agents 处理跨文件复杂任务，并通过 MCP 服务器连接外部工具与数据源。文中以 Playwright MCP 服务器为例，演示让 Copilot 在浏览器中手动测试应用功能。
Anthropic Engineering精选AI 评分7474 Anthropic 用五个月把 monorepo 从 git 迁到自研版本控制系统 Scion
Anthropic 公开其自研版本控制系统 Scion，并在五个月内把 monorepo 从 git 完整迁移过去。2026 年 5 月其日均合并约 2,500 次代码变更，9 月已超过 30,000 次；Scion 的 CPU 与内存占用比此前的 git 镜像方案小 200 倍，CI 检出代码从分钟级降到秒级，CI 单独获得 25% 的 CPU 容量收益。
推荐理由：Anthropic 公开自研版本控制系统 Scion 的架构取舍，为智能体大规模写代码之后的工程基础设施提供了一份可对照的样本。
OpenAI Developers BlogAI 评分5858 OpenAI 分享如何为 GPT-6 Astra 重写 skills 与提示词
OpenAI 开发者博客发文，说明在 GPT-6 Astra 上应如何重写 skills、AGENTS.md 和任务提示词。文章建议技能描述尽量短并写清适用场景，多流程技能的根文档做成指向子文档的最小路由，同时删掉为旧模型加的强制读文档、反复跑测试等指令。文中称 GPT-6 Astra 会自行运行测试并检查结果，但更容易在首个实现后停下，需要在任务开始时先定义完成标准。