Simon Willison 测试 Claude Opus 5.5 作曲能力：生成可播放的文本音乐格式
Simon Willison 让 Claude Opus 5.5 设计一种简单的文本音乐格式并构建可播放的 artifact，要求达到《猴岛小英雄》初代配乐水准。结果比预期更贴近猴岛主题，效果出奇地好。他猜测文本模型作曲能力可能类似此前的 3D 图形能力，是近几个月才涌现的新能力，但需用更多新旧模型实验才能确认。
全部动态 · 今日5条
全部 AI 动态
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
教程
教程、实践经验、使用技巧、提示词与工具用法、深度技术讲解
Simon Willison22
AWS Machine Learning Blog36 在 AWS GovCloud 中用 Claude Code 与 Amazon Bedrock 运行受监管工作负载
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 已上线 AWS GovCloud (US) 区域的 Amazon Bedrock，为 ITAR 等受监管工作负载提供 AI 辅助开发通道。
AWS Machine Learning Blog12 如何在 Amazon Quick 中降级用户角色
Amazon Quick 控制台和 update-user API 均不支持 Author 直接降为 Reader，会报“You cannot downgrade a user role”错误。
AWS Machine Learning Blog38 用 LangChain 与 Amazon Bedrock Knowledge Bases 实现智能体检索
Amazon Bedrock Managed Knowledge Base 上线智能体检索，通过 AgenticRetrieveStream API 把多部分问题拆成子查询、循环判断证据是否充分并再次检索，替代单次向量搜索的 Retrieve API。
The Decoder71 开源工具 BootLoops 支持 AI 模型完成精确科学计算
哈佛物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops，它让 Claude 完成精确科学计算。三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者，Claude 用 BootLoops 计算了 30 个积分，其中 15 个为首次算出。
OpenAI News50 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
AWS Machine Learning Blog49 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
在 Amazon SageMaker AI 上可用多轮强化学习（MTRL）微调搜索智能体，将智能体任务建模为多轮决策序列，通过多轮 rollout 生成数据并用策略梯度优化模型。
AWS Machine Learning Blog36 用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
通过 Amazon Bedrock AgentCore 的 AgentCore Gateway，可将 Claude Desktop 接入由亚马逊网页索引支持的 Web Search，查询流量全程留在 AWS 内，无需外部 API key。
AWS Machine Learning Blog38 用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成。该模式通过完整性回执确保合规、违约、模糊、不可读记录之和等于扫描总数，避免记录被静默跳过，适用于租约合规、制裁筛查、保险理赔等高风险场景。
GitHub Blog · AI & ML22 AI 正在改变开发者工作方式，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者需要强化三项技能：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 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型对计划、代码和测试进行批判性审查，从而发现首个模型遗漏的问题。
Andrej Karpathy · X62 Karpathy 分享理解模型输出的四种提示技巧
Andrej Karpathy 分享让大语言模型帮助理解其输出的几种做法：要求用 ASD-STE100 受控语言规范写作，或放宽到 80% 的程度；要求生成图表；要求以 HTML 输出交互式网页；以及生成定制讲解视频，例如用 ElevenLabs API key 配音的 3b1b 风格视频。他认为随着模型变强，更多工作会上升到监督与理解层面，而模型也能生成此前不值得制作的大型定制软件产物。
AWS Machine Learning Blog34 在 Amazon Bedrock AgentCore 上用智能体 AI 扩展云迁移
AWS Professional Services 用四个智能体组成的模式，将每应用的基础设施即代码（IaC）开发时间从 3 到 4 周缩短至几分钟，该模式基于 Strands Agents SDK 构建、运行在 Amazon Bedrock AgentCore 上，通过 AgentCore Gateway 暴露的 MCP 工具连接源与目标系统。
AWS Machine Learning Blog32 Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周线上 A/B 测试中，一个人群组的最终漏斗转化率取得高个位数相对提升，另一人群组则未见改善。团队按申请开始、提交、审批三个阶段各跑一个 LinUCB 模型并线性组合其 UCB 分数，以同时优化整条漏斗，并开源了可在合成数据上试用的代码仓库。
AWS Machine Learning Blog36 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久化记忆层，并部署在 Amazon EKS 上。
Simon Willison32 pwasm 0.2a0 发布：Claude Opus 5.5 改进纯 Python WebAssembly 引擎
Simon Willison 的纯 Python WebAssembly 引擎 pwasm 在 Claude Opus 5.5 接手后经 42 次提交升级至 0.2a0，现已支持几乎全部 WASM 规范。PyPI 上的 wheel 包内置了 MicroPython、QuickJS 和 Micro QuickJS 的可用 WASM 构建。该版本仍为 alpha，作者表示完全不可信任。
AWS Machine Learning Blog36 如何在 AWS 上为 Claude Platform 配置多环境访问
针对 Claude Platform on AWS（CPonAWS），一套完整实现方案可让生产 AWS 工作负载、开发者笔记本和外部 CI/CD 三类环境共享同一订阅，并通过 workspace 隔离生产与开发流量。方案采用专用 AI Services 账户加跨账户 SigV4、workspace 级 API key 和 OIDC 联合三种访问路径，其中外部环境使用短期凭证、无需持久密钥。
AWS Machine Learning Blog34 用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到 human-in-the-loop 工作流
Amazon Bedrock AgentCore 支持构建"环境智能体"（ambient agent）：它监听 Amazon S3 事件通知、EventBridge 规则、Lambda 触发器等事件流并自动执行任务，需要时通过单个 ask_human 工具暂停等待人工审批，再从中断处恢复。
AWS Machine Learning Blog22 uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署上线
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 做监督微调，并叠加提示词层面的输出优化，使其适配自身零售审核策略。
AWS Machine Learning Blog58 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 官方博客给出在 Amazon Bedrock AgentCore Runtime Instances 上部署多智能体音乐制作流水线的完整教程，三个智能体分别负责作曲、交付与合规，通过同一 runtimeSessionId 共享会话并共置在一台 GPU 实例上。
AWS Machine Learning Blog34 用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 新增 AgenticRetrieveStream API，可将理赔问题拆解为子查询并多轮检索，返回带引用的答案。
雷锋网48 实测 GPT-6 Astra、Claude Fable 5.1 与 GPT-5.6 Sol 控制同一台云台机械臂
同一句"让云台满行程转一遍"的模糊指令下，GPT-6 Astra Pro、Claude Fable 5.1 和 GPT-5.6 Sol 都让机器人转了起来，但完成标准差异明显。
AWS Machine Learning Blog22 跨账户自动化管理 Amazon Textract 适配器生命周期
亚马逊云科技发布跨账户自动化管理 Amazon Textract 适配器生命周期的方案，通过 AWS CloudFormation 和 Terraform 模板实现适配器在多账户间的提升与部署。
AWS Machine Learning Blog36 用 Amazon Nova Act 与 Bedrock AgentCore 实现合成监控
基于 Amazon Nova Act 与 Amazon Bedrock AgentCore 的智能体驱动合成监控方案，用自然语言动作替代 Selenium、Playwright 的 DOM 选择器脚本，将每条工作流从 10 多行选择器代码压缩到 3 行。
AWS Machine Learning Blog28 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
AWS 发布教程，演示在 SageMaker AI 上部署同一个 vLLM-Omni DLC 镜像的两个端点：实时端点跑 FLUX.2-klein-4B 生成图像，异步端点跑 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词经 Amazon S3 送入视频端点，生成的 MP4 从 S3 取回，示例还提供命令行流程和可选的 Streamlit 界面。
AWS Machine Learning Blog32 在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（Part 1）
AWS 发布教程，演示如何用 vLLM-Omni DLC 在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 SageMaker 双向流式连接实现文本流入、24 kHz PCM 音频分块流出，并配 Gradio 应用试用。
AWS Machine Learning Blog22 Amazon Quick 提示词工程基础指南
Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量，涵盖自定义智能体、自动化流程和对话式数据分析。文章提出通用原则与 CRISPE 结构化框架，强调具体性、业务上下文和示例示范，并以客服效率分析等企业场景说明如何减少迭代、提升首次输出准确度。
AWS Machine Learning Blog22 Amazon Quick 各组件的提示词工程：模式与陷阱
AWS 发文拆解 Amazon Quick 各组件的提示词写法：Quick Research 需明确目标、受众与聚焦领域，并自行拆解子问题、限定数据源；Quick Flows 要写清时间、数据源、计算与交付目标，复杂逻辑用编号步骤，并可通过对话迭代修改；Quick Sight 的查询需包含业务问题、指标、维度与可视化偏好。
AWS Machine Learning Blog28 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
针对 RAG 语义检索无法回答跨数百份合同的聚合问题，该方案改用结构化抽取：Claude Sonnet 系列模型驱动的抽取智能体从每份 PDF 中提取 8 个关键字段并附置信度，轻量 Claude Haiku 模型独立复核，签名识别分歧由 Amazon Textract 用计算机视觉裁定。
Perplexity · X30 智能体治理是一个工程问题。我们已在 Perplexity 的基础设施、运行框架和工具中构建了安全防护措施，并将其应用于我们的各项产品。今天，我们将分享如何通过工程手段打造更安全的智能体：https://www.perplexity.ai/hub/blog/how-we-engineer-safer-agents
智能体治理是一个工程问题。 我们已在 Perplexity 的基础设施、运行框架和工具中构建了安全防护措施，并将其应用于我们的各项产品。 今天，我们将分享如何通过工程手段打造更安全的智能体： https://www.perplexity.ai/hub/blog/how-we-engineer-safer-agents
雷锋网52 动易科技刘晨澔：人形机器人羽毛球对拉 40 拍背后的分层革命
动易科技（PHYBOT）刘晨澔在 IROS 2026 workshop 上介绍了其人形机器人羽毛球系统，1.35 米高的机器人可覆盖 4.4×4.4 米场地，单回合连续对拉 40 拍以上。
Simon Willison22 Simon Willison 用 Claude Opus 5.5 生成 Kākāpō Party 像素动画并用 Claude Code 录制视频
Simon Willison 用 Claude Opus 5.5 将三张 kākāpō 鹦鹉照片生成为 HTML5 canvas 像素动画 Kākāpō Party，画面中至少 20 只鹦鹉跳跃庆祝并触发彩带、气球等效果。
GitHub Blog · AI & ML38 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）是一种可自定义界面，用户只需在 agent 会话中输入 /create-canvas 技能并用自然语言描述需求，即可生成看板、发布清单或仪表盘等界面，无需编写代码。
AWS Machine Learning Blog36 在 Amazon EKS 上用 EFA 和 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
AWS 给出在 Amazon EKS 上结合 EFA 与 DeepEP 扩展 MoE 强化学习训练的架构方案，吞吐量提升 40%。该方案针对 RLHF 和 GRPO 等大规模 RL 训练中 rollout 生成与策略训练的资源竞争、跨数百加速器的高吞吐通信，以及 Expert Parallelism 带来的动态 all-to-all 跨节点通信开销。
AWS Machine Learning Blog28 在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
在 Amazon SageMaker HyperPod 上，用开源 RL 框架 SkyRL 对 Qwen3-VL-8B 视觉语言模型做 GRPO 后训练，在固定 64 个迷宫评测集上把解迷宫成功率从 43.75% 提升到 95% 以上。
AWS Machine Learning Blog34 NarrateAI：在 Amazon Bedrock 上实现生产级 LLM 质量保障
NarrateAI 在 Amazon Bedrock 上通过五项技术实现约 99% 的数值准确率，并支持实时流式响应。这五项技术分别是自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估框架和数据准确性验证，分别应对幻觉指标、API 限流、验证延迟和主观语言等故障模式。该方案已服务超过 4,000 名 AWS 高管，基于 Amazon Bedrock AgentCore 构建。
AWS Machine Learning Blog38 在 Amazon SageMaker AI 上部署 Qwen3-TTS 实时个性化语音
阿里云 Qwen 团队的 Qwen3-TTS-12Hz-1.7B-Base 已上线 Amazon SageMaker JumpStart，可部署到全托管实时推理端点，仅需几秒参考音频和对应文本即可克隆音色，无需重新训练。
AWS Machine Learning Blog28 Amazon SageMaker HyperPod 与 Qumulo 实现跨区域训练
Amazon SageMaker HyperPod 搭配 Qumulo 的 Cloud Native Qumulo（CNQ）与 Cloud Data Fabric（CDF），可让训练计算与数据集分处不同 AWS Region 而无需复制数据。
AWS Machine Learning Blog32 在 SageMaker AI 上用 WhisperX 做说话人标注转录
AWS 发布 WhisperX Deep Learning Container（DLC），在 OpenAI Whisper 基础上加入批处理推理、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。
GitHub Blog · AI & ML22 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以流畅渲染含 2,200 个文件、超 100 万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态块几何两部分：代码行高提前精确计算，评论等动态块则按稳定 key 锚定到文件、行和侧，惰性测量并只做小幅修正，避免滚动跳变。
Simon Willison18 Shadow roots 详解：用可交互示例理解 shadow DOM
一篇用可交互示例讲解 shadow roots 的教程，演示样式封装、继承、slots、parts 以及 JavaScript 访问方式，展示 shadow root 如何创建带私有样式表和元素的隔离 DOM 树，并与页面 DOM 以特定受控方式交互。该示例由 Fable 5.1 Medium 根据提示词生成。