跳到正文
10月8日周四
10月7日周三
  1. AWS Machine Learning Blog22

    如何为 agentic automation 构建商业论证:超越节省工时

    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、决策质量和变更韧性四个维度衡量 agentic automation 的价值。该框架指出节省的工时并不等于利润,需有明确的价值实现机制和责任人;AWS 给出的规划区间显示纠错成本可达原始交易的 1.5–4 倍,人为错误可占运营成本的 2–15%。

  2. AWS Machine Learning Blog30

    如何用 AWS Lambda Durable Functions 自动执行 AWS DevOps Agent 调查后的修复

    AWS DevOps Agent 完成事件调查后,可通过 Amazon EventBridge、AWS Lambda Durable Functions 与 Amazon Bedrock 构建自动修复工作流,将调查摘要转为待审批的预验证修复方案。只读操作自动执行,涉及基础设施变更的操作会暂停并等待人工批准,审批后继续执行,从而缩短 MTTR。

  3. AWS Machine Learning Blog30

    Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%

    Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,缩短 78%。该系统还把手动生命周期步骤从 10 步以上减至 1 次交互,冗余告警中位数减少 65%,SRE 与数据团队间的 15 分钟报告延迟降为实时。三人团队用六个月完成交付。

  4. Hacker News34

    我让 Catan 机器人自我对弈 2 万局,测量什么策略能赢

    一个基于规则的 Catan 机器人自我对弈 2 万局(1v1 至 15 分),逐项对比策略改动,每个改动都与前一版本对战数千局。结果显示,终局同时持有最长道路与最大军队的胜率达 99%,两者皆无时仅 2%;开局每多 1 点产能约值 4 个百分点胜率。提升最大的是耐心:攒牌换下一个城市而非花在道路和开发卡上,胜率为 62%。

  5. 科技媒体 RSS37

    Claude Opus 5.5 重构风扇控制工具并打包成 skill

    开发者用 Claude Opus 5.5 将 2024 年由 Claude Sonnet 3.5 编写的 IPMI 风扇控制程序从 Python+PyQt6 重构为 C#+WPF,并生成点阵风格监控面板,随后打包成 skill 开源在 GitHub。作者认为 SOTA 模型几分钟即可写出工业级监控体系,人类价值转向把昂贵算力沉淀为可复用的离线提示词与知识资产。

  6. 科技媒体 RSS21

    用 Parseable 与 Datasette 处理 OpenTelemetry traces

    有人在 Show HN 上发现 Parseable 这一新可观测性平台,它提供 AGPL 开源的 Rust 实现(单个约 180MB 二进制)、带额外功能的企业版和云托管选项。由于 Datasette 1.0a41 新增了 OpenTelemetry 支持,作者用 Codex 摸索出如何运行 Parseable 并把 Datasette 的 traces 喂给它,并记录了可行的配置模式。

10月6日周二
  1. Tomasz Tunguz34

    Vercel 如何用 AI 智能体自动化入站销售线索

    Vercel COO Jeanne DeWitt Grosser 披露,其入站销售智能体由一名工程师以约 20% 工时起步,首版提示词约 125 行,由团队最佳 SDR 编写,6 月上线并保留人工审核,8 月移除人工。提示词随后增至 1000 行,团队将其拆分为规则与判断两部分,入站流程现由 14 条规则驱动,模型只负责原本需要人判断的环节,整套系统年推理与基础设施成本约 1000 美元。