Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 披露其 Agent Mode 在 Amazon Bedrock 上的生产架构，用于支撑 4000 万开发者的 API 测试、文档、发现与实现工作。
#教程/实践
AWS Machine Learning BlogAI 评分4040 AWS Machine Learning BlogAI 评分3232 如何用 Amazon SageMaker HyperPod 实现跨团队 GPU 集群隔离与公平共享
Amazon SageMaker HyperPod 多租户参考架构发布，让多个团队共享同一套 HyperPod EKS 集群。
OpenAI NewsAI 评分2222 LegalOn 将 Codex 成本减半，同时保持开发速度
LegalOn 将每日 Codex 预估成本削减 65%，同时保持开发速度不变。其做法是按任务匹配 Astra、Sol 和 Luna，并对预算进行策略性管理。
AWS Machine Learning BlogAI 评分3131 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 新增实时 ACL 校验层，在查询时直接向 Google Drive 等权威源核实权限，与原有的预检索过滤组成两阶段方案。
AWS Machine Learning BlogAI 评分2222 超越节省工时：如何为智能体自动化构建商业论证
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、变更韧性与维护成本四个维度衡量智能体自动化的价值。该框架强调释放的工时只有转化为实际支出削减或可衡量的再部署产出才能计入 P&L，并以理赔分诊流程为例演示如何分池计算收益。
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 万家客户提供带来源引用的企业级问答，自 2026 年 2 月正式可用后，其 Discovery Agent 已为客户发现超 10 万条洞察。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作方式，GitHub 给出三项值得强化的技能
GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非只是使用它，不轻信 AI 的第一次回答，以及用 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。
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 是一种可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，agent 即可生成看板、发布清单或仪表盘等界面。canvas 会保存为扩展，可随项目共享或作为个人扩展复用，社区已在 Awesome Copilot 分享现成扩展。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub 认为 chat 并非与 LLM 交互的最佳界面，在 GitHub Copilot app 中推出 canvas——一种运行在应用内、无浏览器外壳的全栈应用，可与 Copilot agent 双向通信并调用本地代码和第三方 API。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Security Lab 发布基于 Taskflow Agent 的 AI 模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，基于其 Taskflow Agent 框架构建。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub Blog · AI & MLAI 评分2222 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以应对包含 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个独立域，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，从而避免滚动跳变。