使用 LangChain 与 Amazon Bedrock Knowledge Bases 实现智能体检索
AWS 博客展示了如何在 Amazon Bedrock Managed Knowledge Base 上构建基于 LangChain 的 RAG 应用，对比标准 Retrieve API 与 AgenticRetrieveStream API 两种检索路径。
#教程/实践
#教程/实践
今日 1 条AWS Machine Learning BlogAI 评分4040
AWS Machine Learning BlogAI 评分3838 在 Amazon SageMaker AI 上用多轮强化学习微调搜索智能体
Amazon SageMaker AI 推出多轮强化学习（MTRL）能力，用于微调搜索智能体。该方法以 Qwen3.6-27B 为基座模型，通过 BM25 与向量搜索两种工具，在 FRAMES、BRIGHT 和 Enterprise RAG 数据集上训练，支持 PPO、CISPO 等算法及无服务器按 token 计费，旨在以小型模型的成本获得接近前沿模型的检索可靠性。
AWS Machine Learning BlogAI 评分4242 在 AWS 上为 Claude Platform 实现多环境访问
AWS 机器学习博客发布分步指南，为 Claude Platform on AWS（CPonAWS）配置多环境访问。方案采用专用 AI Services 账户模式，通过跨账户 SigV4 支持 AWS 工作负载、工作区级 API 密钥供开发者本地使用、OIDC 联合认证支持外部环境，实现生产与开发流量隔离并共享单一订阅。
AWS Machine Learning BlogAI 评分3131 使用 NVIDIA NeMo Agent Toolkit 与 Amazon S3 Vectors 构建智能体记忆
AWS 博客演示如何将 Amazon S3 Vectors 作为 NVIDIA NeMo Agent Toolkit（NAT）的持久化记忆层，部署于 Amazon EKS。
AWS Machine Learning BlogAI 评分3838 用自然语言查询理赔记录：Amazon Bedrock Knowledge Bases 实战指南
Amazon Bedrock Knowledge Bases 提供全托管 RAG 能力，通过 AgenticRetrieveStream API 支持自然语言查询理赔文档，并返回带引用的答案。方案从 Amazon S3 摄取 PDF、Word 等格式的理赔记录，支持多轮追问、元数据过滤和上下文接地护栏，确保答案有据可查。文中使用合成理赔数据演示，未涉及生产客户部署。
芥末堆AI 评分88 十一黄金备考期｜绘学教育助力初高中学生科学备战月考与期中考试
绘学教育面向初高中学生提供十一假期月考与期中考试备考方案，以综合学情诊断、分层教学和“一人一策”方案减少盲目刷题。依托自主研发PLI学习力指数测评系统，从学科能力、非智力因素两大维度定位知识漏洞、学习动力与心理状态，再匹配基础夯实或高频重难点突破路径。ેષ
AWS Machine Learning BlogAI 评分3838 Amazon Quick 提示词工程基础：通用原则与结构化框架（上）
AWS 发布 Amazon Quick 提示词工程基础系列文章的第一部分，讲解跨平台 AI 功能通用的提示词原则与可复用框架。核心方法包括用具体细节消除歧义、提供业务上下文、以示例替代描述，以及采用 CRISPE 框架（上下文、角色、意图、步骤、范围等）组织复杂请求。系列第二部分将深入 Research 等各组件的专项技巧。
AWS Machine Learning BlogAI 评分3838 Amazon Quick 各组件提示词工程模式与常见陷阱
AWS 官方博客详解 Amazon Quick 各组件的提示词编写差异。Quick Research 需明确目标、受众与子问题，可调用 Quick Index、200+ 新闻源及 S&P Global、FactSet、PubMed 等数据源；Quick Flows 建议用编号步骤描述触发条件与分支逻辑；Quick Sight 查询需包含业务问题、指标与维度。
Getting SmartAI 评分3737 双重注册项目如何真正发挥作用：可持续、协同的资金与数据驱动评估
Getting Smart 与 Britebound 的系列文章指出，双重注册项目能否持续，取决于资金机制是否维持高中支持体系，以及是否用学生后续进展而非参与人数评估成效。文章以 Massachusetts 的按学分补偿和规划拨款为例，建议学校追踪学生升入大学后的持续就读情况，并检验家庭能否独立看懂升学路径。
AWS Machine Learning BlogAI 评分3838 在 SageMaker AI 上使用 vLLM-Omni 构建实时语音应用（第一部分）
本教程演示如何在 Amazon SageMaker AI 上部署 Qwen3-TTS 模型，通过 AWS vLLM-Omni 深度学习容器实现边生成边播放的流式语音输出。
AWS Machine Learning BlogAI 评分3838 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
本教程展示如何在 Amazon SageMaker AI 上部署两个 vLLM-Omni 端点，实现从文本提示生成图像并进一步生成短视频。实时端点运行 FLUX.2-klein-4B 生成图像，异步端点运行 Wan2.1-VACE-1.3B 将图像转为视频，输出 MP4 存储于 Amazon S3。
AWS Machine Learning BlogAI 评分2323 跨账户自动化管理 Amazon Textract 适配器生命周期
AWS 提出跨账户自动化管理 Amazon Textract 适配器生命周期的方案，通过将适配器 ID 存入 AWS Systems Manager Parameter Store，更新生产引用时无需停机或重新部署应用，变更时间从数小时或数天缩短至数秒。
AWS Machine Learning BlogAI 评分4242 NarrateAI：在 Amazon Bedrock 上实现生产级 LLM 质量保障
AWS 在 Amazon Bedrock 上为 NarrateAI 引入五项生产级质量保障技术，包括自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估框架与数据准确性验证，服务超 4,000 名 AWS 高管。该方案通过两阶段级联检测数值幻觉，在实时流式响应下实现约 99% 的数值准确率。
EdSurge精选AI 评分5858 教师用 AI 构建防作弊作业评估工具 Cheat Vulnerability Index
教师 Michael Hernandez 基于自己的著作和教学经验，用 AI 辅助编码构建了免费工具 Cheat Vulnerability Index，帮助教师分析作业的作弊风险并给出改进建议。他提出防作弊评估应具备原创性、个人联系和目的性三个特质，并强调重新定义学习证据比单纯防作弊更重要。
推荐理由：作者给出了可复用的防作弊评估设计框架，并介绍了自建工具的实操思路，适合教师直接借鉴。