Amazon Quick 各组件提示词工程指南：设计模式与常见误区
本文是 Amazon Quick 提示词工程系列的第二篇，分组件系统梳理了最佳实践。内容涵盖 Amazon Quick Research、Quick Flows、Quick Sight、对话智能体（chat agents）及动作集成（action integrations）中的高效提示词设计模式，并详细列出了开发过程中应避免的常见陷阱。
DC AI 热点
全部 AI 动态
9月30日2026-09-30
基于 Amazon Bedrock 与 Quick 构建 AI 合同智能分析平台
针对传统人工提取供应商合同数据难以规模化、普通 RAG 聊天工具难以处理组合级全局问题的痛点，AWS 分享了一种合同智能分析平台架构方案。该方案利用 AI 智能体自动提取并校验合同字段，并结合 Amazon Quick 分析工具，实现对单个合同及跨合同组合级聚合问题的智能问答与深度分析。
从 Token 到智能体：剖析 Claude Code 的底层运行机制
本文对 Anthropic 推出的终端编程工具 Claude Code 进行了机制拆解，探讨其如何从基础的 Token 处理一步步构建出具备上下文理解、任务规划与执行能力的智能体（Agent）系统。文章聚焦于代码智能体的工程实现细节，帮助开发者深入理解其背后的工作流程。原始素材仅提供外部链接，具体技术细节可参考原文深入了解。
阅读原文 ↗推荐理由：对当下备受关注的 Claude Code 智能体工程机制进行底层技术拆解，对开发 AI 编程工具和 Agent 系统有参考价值。# AI编程# 智能体# Anthropic# 大模型
9月29日2026-09-29
康泰纳仕基于亚马逊 Bedrock 构建多模态视频检索方案，检索效率提升百倍
康泰纳仕（Condé Nast）编辑团队此前仅依靠标题和描述在超过14万个视频库中检索素材，平均每个任务耗时约250分钟。通过与 AWS 生成式 AI 创新中心合作，团队基于 Amazon Bedrock 与 Amazon OpenSearch Service 构建了多模态视频检索解决方案，成功将单次检索时间缩短至2分钟以内，大幅提升了内容生产效率。
MongoDB 发布 9.0 版本及 Atlas Infinite，全面应对 AI 级海量扩展需求
MongoDB 官方宣布推出核心数据库 MongoDB 9.0 以及专为 AI 规模设计的托管服务 Atlas Infinite。新版本旨在优化现代 AI 应用在海量数据检索、高并发读写及复杂向量数据处理上的性能表现，提供更强的高可用性与弹性伸缩能力，以支撑开发者构建大规模生成式 AI 和智能体数据底层架构。
Shopify 推出 WebMCP 结账功能，支持浏览器端 AI 智能体直接下单
Shopify 开发者文档新增针对浏览器端 AI 智能体的 WebMCP 购物车与结账接口支持。该功能基于模型上下文协议（MCP），允许 AI 智能体在用户授权下直接调用标准化的电商流程，实现自主商品加购与结账交互，为电商场景下的自主 Agent 应用铺平了工程落地道路。
评测显示 AI 编程模型仅在 46% 的情况下会明确陈述假设
Bito 发布的基准测试显示，主流 AI 编程模型在生成代码或解决任务时，平均仅有 46% 的时间会主动陈述其前置假设。这意味着在超过一半的情况下，模型会在开发者未知的情况下自行做出隐含假设，可能引入隐蔽的业务逻辑缺陷或 Bug。该项基准测试关注 AI 编程工具在实际开发场景中的透明度、可靠性与使用成本。
前雅虎CEO梅耶尔推出AI个人助理Dazzle，基于相册数据构建个人生活档案
前雅虎CEO梅丽莎·梅耶尔（Marissa Mayer）推出了一款名为Dazzle的新型AI个人助理产品。与传统依赖收件箱或日历的个人助理不同，Dazzle押注手机相册中蕴含了更丰富、真实的个人生活信息，通过分析用户的照片库来提供个性化的智能助理服务。
AWS分享结合AG-UI协议与Nova Act构建自适应AI交互界面方案
AWS技术方案探讨了如何构建能够自动适应智能体多变输出的AI交互界面。该方案结合了用于动态生成界面的AG-UI协议、基于Strands Agents SDK的多智能体集群协作模式（以提升可解释性），以及通过Amazon Nova Act集成缺乏API的传统遗留系统，为复杂智能体应用的人机交互设计提供了完整的工程参考实现。
DeepSeek Harness 桌面端预览版 v0.2 发布，支持插件管理与自动化任务
DeepSeek 官方发布 DeepSeek Harness v0.2 预览版，提供开箱即用的 macOS 和 Windows 桌面端安装包。新版本预置了面向日常办公与开发的功能，新增插件安装与管理页面，支持用户按需扩展能力。此外，新版优化了文件预览与代码变更展示，内置自动化任务插件以支持定时执行重复性工作，并提供多种 Agent 工作过程展示方式，方便追踪执行步骤与排查问题。
SideKernel：专为 macOS 平台 AI 编程智能体打造的轻量级 MicroVM 沙箱
开发者发布了佐治亚理工硕士毕业设计项目 SideKernel，这是一个面向 macOS 系统的微虚拟机（MicroVM）沙箱工具。针对当前 AI 编程智能体（如 Claude Code）直接在本地机器运行带来的安全风险，以及现有沙箱多面向生产部署的痛点，SideKernel 旨在为日常开发者提供透明、低门槛的本地安全隔离环境，无需额外购买设备或租用 VPS。
Meta 推出小型企业版 Muse 智能体，打通社交数据与多款第三方办公工具
Meta 宣布推出面向中小企业的 AI 智能体产品 Muse for Small Business。该智能体可直接连接 Facebook、Instagram 企业账户及广告后台，分析业务数据并生成针对性任务计划。此外，Meta 还扩展了对 Canva、Figma、Slack、Notion、Shopify 等大量主流第三方办公与业务工具的兼容。配合新成立的企业业务部门，Meta 正在加速推进其 AI 工具的商业化落地。
谷歌开始在安卓端停用 Google Assistant，由 Gemini 全面接管
据外媒报道，谷歌已正式启动在安卓端停用传统语音助手 Google Assistant 的进程，由大模型驱动的 Gemini 全面取代。目前大批用户反馈已无法使用 Google Assistant，且 Gemini 应用中移除了回退切换选项。本次调整主要波及智能手机、智能手表、车载 Android Auto 及耳机等移动设备与配件，而智能音箱与智能显示屏暂不受影响。部分用户指出 Gemini 虽更智能，但仍存在幻觉且缺乏部分离线指令支持。
通用AI智能体Manus发布2.0版本：升级为多功能平台并支持手机远程运行
AI智能体产品Manus正式推出2.0版本，正加速向平台化演进。新版本不仅支持用户进行视频编辑、主持多人互动游戏，还允许用户绑定个人手机号，直接通过手机远程调度和运行专属个人智能体，进一步扩展了通用Agent在复杂任务与多端交互场景下的实用能力。
Anthropic 官方分享利用 Claude 自动化评测设计与提示词爬山优化
Anthropic 在开发者博客中探讨了如何利用 Claude 自动化构建评测集（evals）并通过爬山算法（hillclimbing）持续优化提示词和模型输出表现。该方案旨在减少人工设计测试用例的成本，实现系统性能的闭环自我迭代提升。由于输入素材仅含链接和标题，具体的技术细节和基准表现需进一步参考原文。
豆包推进个人助理产品规划，内部代号“Spell”将加速落地
据消息，字节跳动旗下豆包正在个人助理（personal agent）方向推进独立产品规划。该探索项目代号曾为“Spell”，由豆包手机助手团队主导并于今年4月启动内测。随着海外个人助理类产品受到关注，豆包正加速相关能力发布，计划将Spell项目与豆包对话团队深度结合，推动手机端积累的Agent能力向独立应用形态延伸并预期较快正式推出。
SMARtCARE：面向ICU临床决策支持的隐私保护与有限自主智能体系统
针对长上下文临床AI系统易遗漏超出推理窗口的历史病历、导致ICU患者早期生命体征漂移被误判的问题，研究团队提出SMARtCARE架构。该系统设计了稳定、元认知、辅助和监管四种有限自主运行状态。系统不直接检索全部既往病历，而是利用患者过往轨迹的有损六通道特征指纹进行比对，在兼顾隐私计算的同时，协助识别类似早期的病情恶化模式，提升临床决策支持的准确性与安全性。
CP-Agent：面向晶体塑性模拟工作流的自主智能体
晶体塑性（CP）模拟能够预测多晶金属的力学行为，但配置异构工具、编排多步骤数据管道以及参数校准等繁重的人工操作阻碍了其规模化应用。研究团队提出了 CP-Agent，这是一种基于大语言模型的智能体系统，采用 ReAct 范式构建。该系统能够直接接收自然语言指令，自主完成从工具调度、数据处理到参数标定的全流程晶体塑性建模与仿真工作流，显著提升材料科学仿真的自动化效率。
COUNTERMEM：引入世界模型验证的反事实记忆机制，增强智能体决策泛化
现有智能体记忆框架主要记录与真实环境交互的事实反馈，缺乏对“若采取其他动作会如何”的反事实思考，而直接在真实环境中尝试不仅成本高且会破坏状态一致性。研究团队提出 COUNTERMEM 强化学习框架，借助世界模型对未发生的分支假设进行模拟与验证，生成反事实记忆，使语言智能体无需高昂交互代价即可从虚拟推演中吸取经验，提升复杂决策能力。
Omni-IO Skills：赋予智能体全模态能力的即插即用框架
针对通用智能体在文本、图像、音视频、3D和代码等全模态生产能力碎片化、依赖昂贵模型更新或难以协同专用工具的问题，研究人员提出了 Omni-IO Skills。该方案作为一种即插即用的 Agent Harness（智能体控制框架），通过分层技能（Skills）架构与标准化多模态中间资产管理机制，使现有智能体无需重新训练即可原生支持跨模态流程调度与多轮修改。
Choir：面向分布式多智能体自动形式化证明的开放协议
AI智能体现已能够在Lean等证明助手中形式化整本教材与重大定理，但现有工作多为中心化运作，由单一团队承担全部计算成本。研究团队提出了Choir开放协议，旨在实现分布式形式化。Choir将大型项目拆解为独立任务，允许各方贡献者运行各自的大模型智能体，并完全通过GitHub仓库进行协调；同时设置了确定性门禁对每次合并进行自动校验，以保障开放协作的安全与正确性。
EmailBench：面向企业邮件与办公生产力场景的智能体评测基准
研究团队推出针对大模型智能体企业邮件与生产力任务的评测基准 EmailBench。该基准包含16个任务类别的206个实际场景，结合了类型化邮件API规范与中立命名标准，并构建了基于Enron衍生的确定性合成语料库。其核心目标在于解决此前评测缺乏独立环境的问题，重点检验智能体在信息检索、结构化状态更新、时序推理及多步复杂协同工作流中的执行能力。
BioDyad：协同生物医学发现与机器学习工程的双层搜索框架
针对智能体在生物医学机器学习中协同证据获取与可执行程序搜索的难题，研究团队提出了BioDyad框架。该系统在蒙特卡洛图搜索中构建了两层结构，将生物医学科学发现与机器学习工程紧密结合。其科学层负责整合先验生物学证据指导候选构建，工程层则利用执行反馈迭代优化程序，从而在有限的验证预算内实现证据获取与代码搜索的闭环协同。
符号引导提升大语言模型分布式多智能体协同能力
针对大语言模型（LLM）智能体在多智能体系统中执行分布式协作协议时可靠性不足、完全自主推理易导致性能下降的问题，该研究提出通过结合经典算法生成的“符号引导”来约束和规范智能体的自主行为，以提高复杂场景下多智能体分布式协同的可靠性与执行效率。
SenseAgent：面向自适应跨域惯性传感的大模型智能体
针对惯性测量单元（IMU）在跨用户、跨设备及不同佩戴位置时感知模型易失效的问题，该研究提出了 SenseAgent。现有方案多将跨域适应视为静态模型设计（如预训练表征或离线数据增强），难以应对实际场景中目标域数据逐步暴露且标签稀缺的挑战。SenseAgent 引入 LLM 智能体架构，通过动态分析域漂移并自适应执行感知与适配动作，提升移动和可穿戴设备在复杂动态环境下的感知泛化能力。
基于接收端条件化的多智能体隐式通信方法 CacheBack：压缩高达94%的KV缓存
针对多智能体系统中直接传输KV缓存带来的显存开销线性增长、超出GPU资源限制的问题，研究团队提出了一种接收端条件化的隐式通信方法。该方法在保留隐式通信低延迟、无需文本生成且信息无损优势的同时，针对接收端需求进行针对性优化，实现了高达94%的KV缓存压缩与回退，大幅降低了多智能体协作中的上下文与显存负担。
基于智能体技能的自主科研项目管理：谱空间回归案例研究
该研究展示了一种在消费级硬件（如Apple M2 Pro）上运行的端到端自主机器学习科研智能体技能。实验利用DeepSeek Harness套件调度模型，对规则空间网格上的快速傅里叶变换核岭回归（FFT-KRR）求解器进行评估与实验管理，并在纯CPU环境下完成。该方案将长周期任务状态解耦为基于文件的管理模式，验证了智能体在轻量级硬件上自主管理和执行科学计算研究任务的可行性。
将记忆作为中间件：实现自进化AI智能体的新架构思路
AI智能体在不同会话间默认呈无状态性，导致其丢失既往失败、修复和策略等经验，容易重复犯错。当前主流解决方案多为定制化记忆系统，将检索、持久化和学习逻辑与特定智能体及存储引擎强绑定，造成记忆难以共享、迁移与隔离。针对这一碎片化现状，该论文提出将记忆层抽象为中间件架构，旨在使记忆能够独立于智能体进行管理与推理，为智能体的跨会话自演进提供标准化基础。
GameBoyWorlds：面向视频游戏具身智能体自我提升的评测基准
该研究推出了名为 GameBoyWorlds 的全新测试平台，专门用于评估智能体在视频游戏环境中的自主学习与自我提升（Self-Improvement）能力。该测试集涵盖 5 个不同的游戏系列，要求智能体在没有任何专家演示、文档说明或外部奖励信号的条件下，完全依靠自主探索和动作推断来理解环境并完成任务执行。
PastForward系统：通过计算经验复用加速端侧GUI智能体
针对在边缘设备上运行GUI智能体时每步全量视觉语言模型（VLM）推理计算成本高昂的痛点，研究人员提出了PastForward系统。该系统利用计算经验复用机制，在无需针对特定任务进行额外微调或离线探索的前提下，有效加速端侧动态环境下的GUI智能体执行流程，同时兼顾了敏感屏幕数据与交互历史保留在本地的隐私优势。
1 / 17下一页 →