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操作从 10 多个步骤压缩为 1 次交互，并将冗余告警中位数减少 65%，由三人团队在六个月内交付。
#MCP/工具调用
AWS Machine Learning Blog AWS Machine Learning Blog AWS 如何用六周项目弥合 AI 知识到动手能力的差距
AWS 设计了一个为期六周、每周约四小时的结构化项目，让非工程背景的业务人员用 Amazon Bedrock、Amazon Bedrock AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。
AWS Machine Learning Blog 如何用 AWS Lambda Durable Functions 自动化 AWS DevOps Agent 调查后的修复
针对 AWS DevOps Agent 只诊断不改动生产资源的问题，该方案用 Amazon EventBridge 接收调查完成事件，触发 AWS Lambda Durable Functions 调用 Amazon Bedrock 分析根因并从批准的 Lambda 工具白名单中提出修复动作。只读操作自动执行，涉及基础设施变更的操作会挂起等待人工审批，审批后继续执行，从而缩短 MTTR。
AWS Machine Learning Blog 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 万名客户提供带来源引用的企业级问答，自 2026 年 2 月正式可用以来，其 Discovery Agent 已为客户发现超 10 万条洞察。
ElevenLabs ElevenLabs 联系中心自动化指南：AI 智能体如何提升客服效率
ElevenLabs 发布联系中心自动化指南，介绍 AI 智能体如何以极少人工干预处理客服流程。文中援引三个 ElevenAgents 部署案例：Klarna 为 3500 万美国用户实现最高 10 倍更快解决，Rohlik 自动处理 90% 客户沟通，Getmobil 实现 75% 首次联系解决率和 60% 成本下降。
AWS Machine Learning Blog 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手
AWS 展示了一套基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases 的航空公司语音旅行助手方案，用户可通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
ElevenLabs精选 ElevenLabs 推出 ElevenAgents Architect，用对话构建和改进语音智能体
ElevenLabs 发布 ElevenAgents Architect，一个内置专家，团队通过语音或文字对话即可创建和改进 ElevenAgents 智能体。
推荐理由：ElevenLabs 官方说明新智能体如何用对话方式分析通话记录并生成改动草案，可了解语音 Agent 的运维方式。
AWS Machine Learning Blog Amazon SageMaker AI 推出 aws-ai-ml 技能，为 Kiro、Claude Code、Codex 等编码智能体提供生成式 AI 推理优化能力
Amazon SageMaker AI 通过 Agent Toolkit for AWS 推出 aws-ai-ml 技能，让 Kiro、Claude Code、Codex 等支持 MCP 的编码智能体具备推理优化与基准测试能力。
AWS Machine Learning Blog 如何让 Amazon Quick 企业就绪：自动化、可审计的跨账户资源迁移
Amazon Quick 的 agent、action connector、知识库、flow 和 space 等资源此前只能靠人工在开发与生产 AWS 账户间重建，AWS 给出名为 Quick Resource Migrator 的示例 MCP server，托管在 Amazon Bedrock AgentCore 上，一次工具调用即可完成跨账户迁移。
AWS Machine Learning Blog 用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器，可衡量多智能体系统的有用性、任务成功率、指令遵循等质量维度，并支持按需与在线两种模式。
Hugging Face Blog精选 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话检查智能体留下的后端终态和副作用，而非其生成的回答，并让每个任务重复运行 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务是否真正完成。
Hugging Face Blog ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 发布论文 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，专门检测"跨来源混淆"——即事实本身为真但被归因到错误来源。在医疗智能体 281 条真实 trace 上，专家判定应拦截的 139 条 claim 中 ProvenanceGuard 拦下 138 条，来源识别准确率约 86%，并在与四种支持性检查器的对比中取得最高分。
GitHub Blog · AI & ML GitHub Copilot 新手教程：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvases 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，即可生成看板、发布清单或仪表盘等界面，无需编写代码。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 分享现成模板。