从原型到生产：用 Agent DLC 工程化 AI 智能体
AWS 提出 Agent Development Lifecycle（Agent DLC），用一个生命周期、两个循环和统一的 gold standard 标准来评判智能体的每次变更。
#教程/实践
AWS Machine Learning BlogAI 评分4040 AWS Machine Learning BlogAI 评分4646 为 Amazon Bedrock Managed Knowledge Base 工具实现细粒度访问控制
针对 LLM 在运行时自行决定工具参数、可能越权检索的问题，该方案在 Amazon Bedrock AgentCore Gateway 的请求拦截器中从已验证 JWT 确定性地注入 userContext，再由 Managed Knowledge Base 的 ACL awareness 只返回该用户可见的文档。
AWS Machine Learning BlogAI 评分5858 在 AWS 上用 A2A 构建可组合、可互操作的多智能体系统
AWS 发布教程，演示如何用 A2A 协议在 AWS 上搭建跨组织、跨框架的多智能体系统。企业侧的 LangChain 编排器运行在 Amazon ECS 上，通过 A2A 调用 SaaS 方部署在 Amazon Bedrock AgentCore 上的 Strands 合规智能体，双方各自使用独立的 Amazon Cognito 用户池做 OAuth 认证，且不共享密钥。
AWS Machine Learning BlogAI 评分4848 Natera 如何用 Amazon Bedrock AgentCore 构建实验室运维智能体系统 SWARM
Natera 基于 Amazon Bedrock AgentCore 构建了实验室运维智能体系统 SWARM，将首次响应时间提升约 130 倍，支持工单自动化覆盖率达 96.2%。
AWS Machine Learning BlogAI 评分5858 用 Amazon SageMaker HyperPod Data Capture 搭建模型改进飞轮
AWS 介绍 SageMaker HyperPod 新增的 Data Capture 能力，可在端点、负载均衡、模型 Pod 三个独立层级把线上推理输入输出记录到 S3。
GitHub Blog · AI & MLAI 评分5858 一次编写、跨智能体运行：agent skills 实用指南
GitHub 发布 agent skills 实用指南，介绍如何用 SKILL.md 目录封装可重复任务，并在 Claude Code、Cursor、GitHub Copilot 等客户端间复用。
GitHub BlogAI 评分5858 GitHub 详解其新 Git 存储架构
GitHub 详解其新的 Git 存储架构，该架构在上周的 GitHub Universe 上公布，内部测试中支持 5,000 个并发智能体操作同一仓库、每秒 7,200 次 push。
GitHub BlogAI 评分4242 Arnis：用 OpenStreetMap 数据把地球任意地点变成 Minecraft 世界
开源项目 Arnis 可将 OpenStreetMap 等真实地理数据转换为可自由探索的 Minecraft 世界，自 2022 年启动以来在 GitHub 上获得近 90 万次下载和约 70 名贡献者。
GitHub Blog · AI & MLAI 评分4040 GitHub 新密钥检测模型：用更少噪音发现更多密钥
GitHub 用微调的 ModernBERT 分类器替换原有 LLM 密钥检测流水线，用户接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本降低 98%。该方案先用正则表达式高召回生成候选，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证，并已将通用密钥检测扩展到推送保护阶段。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub 介绍四种让 Copilot 适配项目的方式：用 .github/copilot-instructions.md 自定义指令传达仓库约定，用 .github/skills 下的 agent skills 封装可复用流程，用 .github/agents 下的自定义 agent 处理跨文件复杂任务，以及通过 MCP 服务器连接外部工具与数据源。
Palantir BlogAI 评分5858 Palantir 复盘智能体软件安全策略：模型需要 harness，修复成为新瓶颈
Palantir 产品安全团队复盘了一年多来在安全流程中落地智能体 AI 的经验，并已把模型无关的 AI 审查平台 Security Forge 产品化供客户使用。团队认为单靠模型不构成安全审查程序，需要由 AIP 编排多智能体分工、独立验证与去重，并用 Foundry 沉淀组织上下文、Apollo 批量下发修复。文章还指出漏洞发现提速后瓶颈已转向修复，并给出企业自建智能体安全流水线的起步步骤。