Qlik 如何用 Amazon Bedrock 打造企业级可信 AI
Qlik 基于 Amazon Bedrock 构建 Qlik Answers,为全球超 4 万名客户提供带来源引用的企业级问答。其 Discovery Agent 上线以来已为客户发现超 10 万条异常与离群点,多数启用智能体工具的 Qlik Cloud 账户已在日常使用。
Qlik 基于 Amazon Bedrock 构建 Qlik Answers,为全球超 4 万名客户提供带来源引用的企业级问答。其 Discovery Agent 上线以来已为客户发现超 10 万条异常与离群点,多数启用智能体工具的 Qlik Cloud 账户已在日常使用。
AWS 展示了一套自动化修复工作流,用 Amazon EventBridge 接收 AWS DevOps Agent 的调查完成事件,再由 AWS Lambda Durable Functions 调用 Amazon Bedrock 从预审工具白名单中挑选修复动作。
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 AgentCore、Strands Agents SDK 和 Amazon Nova 模型动手构建 AI 智能体。
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,减少 78%。该系统还通过去重和跨信号关联将冗余告警中位数减少 65%,并把 10 步以上的手动生命周期操作压缩为一次自然语言交互。
GitHub Copilot app 的 canvas 是一种用户与智能体共享的可定制界面,通过 /create-canvas 技能用自然语言描述即可生成看板、发布清单或仪表盘,无需编码。canvas 具备双向同步能力,用户点击按钮或移动卡片时智能体可即时看到并更新,反之亦然。创建后的 canvas 会保存为扩展,可随项目共享或作为个人扩展复用,Awesome Copilot 还提供现成模板。
GitHub Security Lab 发布 Fuzzing Taskflow,一个面向 C/C++ 项目的自主模糊测试流水线,只需指向一个 GitHub 仓库,它就能识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告、改进 harness、分诊崩溃并为每个独立缺陷生成漏洞报告。
推荐理由:GitHub 安全实验室把模糊测试的写 harness、读覆盖率、崩溃分诊交给 LLM 智能体,读者可了解其任务流设计与安全边界。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,但审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是打包的 Markdown 专业知识,后者是连接工具与数据的标准协议,二者可组合使用;RAG 并未死亡,检索能为模型提供训练数据外的文档、内部知识和代码库上下文,减少 token 浪费并让回答更有依据。