⌘ K
… 读取采集状态 同步中...
雷

#部署/工程

今日 10 条
10月8日周四
  1. 卡尔的AI沃茨27

    腾讯WorkBuddy更新独立文件浏览器，支持人机双写与本地文件原地编辑

    腾讯WorkBuddy新增独立文件浏览器，支持通过右键直接打开本地文件，AI对话与文件视图同窗显示。该功能实现“人机双写”，Office文档修改后可直接存回原文件而不产生副本，Markdown与HTML文件支持实时渲染与直接编辑。此外，文件可一键上传至ima知识库，查看与编辑本身不消耗积分，仅需与AI对话时扣费。

10月7日周三
  3. AWS Machine Learning Blog28

    AWS 发布 AI 构建者手册：弥合知识与应用差距的六周培训方案

    AWS 推出针对非工程背景业务人员的六周结构化 AI 构建计划，旨在弥合 AI 认知与实际应用间的差距。该计划通过导师指导与生产级工具，帮助业务专业人员利用 Amazon Bedrock、Strands Agents SDK 等构建可落地的 AI 原型。实践证明，完成分阶段培训的人员保留的实际技能强度是两天密集培训者的三倍。

  4. Microsoft Azure AI Blog38

    微软 Azure AI 如何贯穿供应链与机群运维全生命周期

    微软在 Azure 基础设施全生命周期中应用多智能体 AI 工作流，重构供应链与运维流程。需求规划效率提升，原本 5-7 天的工作缩短至 20 分钟，部分流程人工投入减少 50%，周期缩短 75%。物流与履约环节通过 AI 整合数据，节省 55% 调查时间，实现从被动响应到预测性运维的转变。

  6. MarkTechPost48

    Meta AI 开源 C++ 分配求解器 Rebalancer

    Meta AI 开源了 C++ 分配求解器 Rebalancer，提供 Python 接口并支持 Apache 2.0 协议。该工具通过本地搜索或混合整数规划解决 NP-hard 资源分配问题，目前在 Meta 内部每天处理约 4000 万问题，P99 求解时间仅为 12 秒。用户可通过 pip install 安装 v1.0.4 版本，适用于 Linux 和 macOS 系统。

  11. AWS Machine Learning Blog27

    用户可直接在 SageMaker Studio 中管理 Amazon SageMaker HyperPod Spaces

    用户现可直接在 SageMaker Studio 界面中创建和管理 Amazon SageMaker HyperPod Spaces，无需使用命令行工具。该功能允许数据科学家在浏览器中启动 JupyterLab 或 Code Editor 环境，并支持在运行交互工作负载的同时执行训练任务。此更新简化了操作流程，将集群访问到开发的时间缩短至几次点击。

10月6日周二
  1. AGI Hunt40

    微软和 Meta 减少内部 Claude Token 用量

    微软和 Meta 正在大幅减少内部 Claude Token 用量。微软云和 AI 部门高管要求员工少用 Claude，转向 GitHub Copilot 和 OpenAI 模型，AI 预算从每月 10 万美元降至 1 万美元左右，内部年度支出预期下调三分之一以上；Meta 内部 Claude Code 用户从 6 万降至 3 万，主要因推广自家 MetaCode 和模型。

  2. Towards AI23

    Snowflake Cortex Agent 生产环境 RBAC、成本优化与部署模式详解

    本文介绍了在 Snowflake Cortex Agent 中构建生产级智能体的工作流，支持在 Personal Database 开发、使用临时智能体验证以及通过 COPY GRANTS 原子化更新。采用 RBAC 设计分离所有权与使用权，限制消费者角色访问规格文档。文中还涵盖了针对 Cortex Search 暂停场景的成本计算及 claude-sonnet-4-6 模型配置。

  4. Towards AI57

    System 1 模型如何降低推理成本：四款模型介绍与 LiteLLM 路由器实践

    System 1 决策模型（Jev、Laya、Kev、Nimble）通过单次前向传递输出概率分布，替代昂贵且缓慢的 System 2 大语言模型用于简单路由或二值判断。作者提供了一个基于 LiteLLM 的回调（Callback）代码示例，在请求发出前使用分类器在后端模型间选择路径，实现了无需生成大量 Token 的高效代理方案，并建议结合小规模微调集和硬件匹配进一步优化实际部署效果。

  7. AI HOT73

    Liquid AI 发布 d1 决策模型并新增图像输入能力

    Liquid AI 发布首个支持文本与图像输入的 d1 决策模型，已在 console.liquid.ai 和 d1 Playground 上线，支持实时文本决策，单次耗时 200 至 300 毫秒。官方对比显示，d1 在六个真实应用中的四个上效果与 GPT-6.1 Sol 持平或更优，成本比二者低 19 至 200 倍；图像按每 32×32 像素块 1.5 个 token 计费。

    推荐理由：原文明确了 d1 在四类真实应用中相对 GPT-6.1 Sol 与 Claude Opus 5.5 的成本优势，给出 200–300 ms 的决策时延与 19–200 倍价格差距。

  8. AWS Machine Learning Blog37

    SageMaker AI 推出 aws-ai-ml 技能，赋能编码智能体优化生成式 AI 推理

    Amazon SageMaker AI 推出 aws-ai-ml 技能，通过 AWS Agent Toolkit 为 Kiro、Claude Code 和 Codex 等支持 Model Context Protocol 的编码智能体提供推理优化与基准测试能力。该技能可让智能体生成可执行的 SageMaker Python SDK v3 代码，支持推荐部署配置、对比性能运行及生成生产环境代码。

10月5日周一
  2. InfoQ CN22

    快手 DataAgent 如何重构大数据生产与分析

    快手构建了企业级 Agent DataAgent，具备找数取数、归因报告等数据全链路智能化能力。该系统采用 Mutil-Agent + Skill 框架及知识飞轮机制，以解决多智能体协同与知识准确性挑战。快手生产平台研发中心负责人韩江将在 QCon 上海站分享其从数据驱动转向智能驱动的工程实践。

10月4日周日
  1. Datawhale70

    Jev-Omni 多模态决策模型本地部署与实测教程

    Datawhale 发布了 Jev-Omni 多模态决策模型的本地部署教程，覆盖环境准备、权重下载、素材配置与最小验证脚本。Jev-Omni 基于 Gemma 4 12B IT 底座微调，统一支持文本、图像、音频与视频四类输入，在 GB10 算力卡（121 GB 统一内存）上实测，文本、图像、音频单次推理耗时均在 1 秒以内，视频单次耗时约 4 秒。

  5. Google AI Developers Blog50

    Google Cloud 将 vLLM 原生 TPU 支持集成至 GKE，实现 Qwen3 Embedding 模型的高精度长上下文推理

    Google Cloud 在 vLLM 中集成原生 TPU 支持并部署于 GKE，通过硬件安全对齐与混合 StepPool 优化，解决了 Qwen3 Embedding 模型在 TPU 上的长上下文推理瓶颈。该方案支持 15K+ 多模态 token 处理，经测试其文本嵌入输出与参考基线的余弦相似度达到 0.999，确保了跨硬件后端的高精度数值一致性。

  8. AI HOT58

    Google Project Suncatcher 首颗原型卫星发射入轨

    Google 宣布 Project Suncatcher 发射首颗原型卫星入轨，该卫星与 Planet 合作建造并搭乘 SpaceX Transporter-18 拼车任务。任务旨在收集 TPU 在太空物理应力和极端环境下的表现数据，探索连接多个卫星星座以实现规模化机器学习，利用低地球轨道的持续日照获得至 8 倍于地面的太阳能电力。

  9. The Verge · AI30

    Microsoft 数据中心的“仿生学”伪装：是自然融合还是避风港？

    Microsoft 正在扩展其数据中心的“仿生学”策略，通过增加花园和本地树木将设施融入自然景观，以缓解社区对噪音、污染及绿地丧失的反对。该公司计划在美国和德国的 20 多个站点实施该方案，并声称在 2022 年荷兰的数据中心项目中取得了成功，旨在修复生态系统并支持生物多样性。