我让 Opus 5.5 为 @AcquiredFM 最新一期 Home Depot 节目制作了一个互动式网站配套内容。效果相当不错！ 水彩插画也全都是 Claude 画的：https://claude.ai/artifact/RdE6uE7WozcP2MLfx3BDky 节目链接：https://www.acquired.fm/episodes/home-depot
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases，可搭建一套航空语音旅行助手，让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
Amazon SageMaker HyperPod 可通过 SageMaker Unified Studio 将集群连接到项目，让团队成员在工作区中启动训练与微调工作负载，同时保留底层治理控制。文章提出组织、项目、集群、工作负载四层控制模型，并说明如何跨层设计身份、容量与可观测性策略，使基础设施团队继续掌管集群运维，ML 团队在项目上下文中使用获批算力。
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。
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。
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。
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。
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。
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。
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 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 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 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 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。
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。
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 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。
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。
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。
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 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。
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。
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。
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。
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 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 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。
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 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。
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。
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
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 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 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 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。
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。
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。
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。
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 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。
