基于 Amazon Bedrock AgentCore 构建自动化演示文稿生成智能体
利用 Amazon Bedrock AgentCore 和 Strands Agents 框架构建监督者智能体，结合 Claude Sonnet 4.6 与 Stable Image Inpaint 实现从文档到 PPT 的自动化生成。该方案通过 RAG 管道确保内容基于源文档，内部测试显示可在 90 秒内完成制作，显著降低人工耗时并减少模型幻觉。
#RAG
AWS Machine Learning BlogAI 评分3030 AWS Machine Learning BlogAI 评分3838 Orca Security 基于 Amazon Bedrock 构建 Discovery AI 自然语言查询代理
Orca Security 与 AWS 合作推出 Discovery AI，利用 Amazon Bedrock 将自然语言转换为 Sonar 查询。该方案采用 RAG 架构，使查询成本降低 90%，输入 token 减少 93%，延迟降低 75%。系统支持 900+ 云模型，实现每日数千次查询的 15 秒响应。
DeepLearning.AIAI 评分1818 Qdrant合作课程教建离线记忆助手
这个助手能记住你把钥匙放在哪里。无需网络连接，无需远程服务器。在由 Dylan Couzon 授课、与 Qdrant 合作开发的课程中亲手构建一个。免费报名：https://hubs.la/Q04zGYrF0 #AI #VectorSearch #AIEngineering
AWS Machine Learning BlogAI 评分3131 Amazon Quick 与 Amazon Bedrock 如何通过实时 ACL 验证解决 RAG 访问控制难题
Amazon Quick 和 Amazon Bedrock Knowledge Bases 采用实时 ACL 验证机制，在查询时直接调用权威数据源 API 校验权限，以解决传统 RAG 中因同步延迟导致的权限过期问题。该方案结合预检索过滤与实时验证两阶段架构，确保 AI 生成的答案严格遵循用户当前的文档访问权限，避免泄露敏感信息。
AWS Machine Learning BlogAI 评分2626 Qlik 如何基于 Amazon Bedrock 构建企业级可信 AI
Qlik Answers 自 2026 年 2 月正式可用以来，利用 Amazon Bedrock 和 OpenSearch Service 实现全球规模的可信 AI 部署。其 Discovery Agent 已发现超 100,000 个异常，Lintech International 借此将响应时间缩短 75%。该方案通过路由层与专家代理架构，解决了数据主权及模型容量预测难题。
DeepLearning.AIAI 评分1515 Qdrant合作课程教建离线助手
这个助手能记住你把钥匙放哪了。无需网络连接，无远程服务器。在由 Dylan Couzon 授课、与 Qdrant 合作的课程中亲手构建一个。免费报名：https://hubs.la/Q04zn4_N0 #AI #VectorSearch #AIEngineering
Google Developers Blog精选AI 评分8282 Google 发布 EmbeddingGemma 2：支持多模态检索的轻量级开源嵌入模型
Google 发布基于 Gemma 4 架构的 EmbeddingGemma 2，这是一个参数量低于 1B 的多模态嵌入模型，将文本、代码、图像、视频和音频映射到统一的 768 维向量空间。
推荐理由：原文给出了模块化加载与维度截断的具体参数，读者可据此评估其在不同硬件限制下的检索性能与存储成本。
AWS Machine Learning BlogAI 评分3636 LangChain 与 Amazon Bedrock Knowledge Bases 实现智能体检索
LangChain 结合 Amazon Bedrock Managed Knowledge Base 推出 agentic retrieval，通过 AgenticRetrieveStream API 将复杂问题拆解为子查询并规划检索路径。
AWS Machine Learning BlogAI 评分5555 AWS 发布 Adjudicated Query 模式用于 Amazon Quick 合规扫描
AWS 推出 Adjudicated Query 设计模式，利用 Amazon Quick 和大语言模型实现大规模租赁合同的合规性扫描。该模式将自然语言问题转换为对固定类型操作的调用，由确定性规则引擎执行实际判定，确保结果的可证明完整性和可辩护性。
OpenRouter AnnouncementsAI 评分4242 OpenRouter 2026 年最佳嵌入模型选型指南
OpenRouter 发布 2026 年嵌入模型选型指南，推荐 openai/text-embedding-3-small 用于英文 RAG，qwen/qwen3-embedding-8b 支持多语言检索。
GitHub Blog · AI & MLAI 评分3838 GitHub Podcast 解析 AI 热点：RAG、MCP 与 Skills 并非互斥
GitHub Podcast 驳斥“RAG 已死”和“Skills 杀死 MCP”等观点，指出三者解决不同问题且可共存于同一工作流。MCP 提供工具连接标准，Skills 封装团队专业知识，RAG 负责检索外部上下文以辅助生成。文章强调开发者仍需审查 AI 代码并具备判断力，而非盲目依赖或完全拒绝 AI 工具。
LangChain BlogAI 评分4545 LangSmith 推出 LLM-as-a-Judge 自改进评估器
LangSmith 为 LLM-as-a-Judge 评估器新增“自改进”功能，将人工修正存储为少样本示例并反馈至提示词。该方案无需额外提示工程即可使评估器适应人类偏好，简化了自然语言输出的自动化评测流程。
Mistral AI精选AI 评分6868 Mistral AI 发布 Agentic Search：提升复杂文档检索准确率并降低延迟
Mistral AI 正式推出 Agentic Search，这是一种旨在让 AI 系统能够导航、阅读和验证复杂文档信息的多步检索层。该产品通过引入 search、open、navigate、read 和 grep 五个工具，解决了传统一次性 RAG 无法深入长文档或跨源验证的痛点。
推荐理由：Mistral 推出 Agentic Search，通过多步检索循环解决传统 RAG 在复杂文档中的局限，并在金融与政府文档基准测试中展示了显著的准确率提升和延迟降低。
Andrej KarpathyAI 评分4040 Karpathy谈LLM构建个人知识库
LLM 知识库 最近我发现非常有用的一件事：使用 LLM 为各种研究兴趣主题构建个人知识库。通过这种方式，我最近的 token 吞吐量中，很大一部分不再用于处理代码，而是用于处理