Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。
#RAG
AWS Machine Learning BlogAI 评分3636
AWS Machine Learning BlogAI 评分2222 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。
AWS Machine Learning BlogAI 评分4040 在 AgentCore 和 OpenClaw 上构建上下文感知 AI 助手
基于 Amazon Bedrock AgentCore runtime 与开源智能体系统 OpenClaw，可搭建具备持久记忆的上下文感知 AI 助手，示例为园艺助手 Sprout。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的 agentic AI 项目能进入生产环境，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读代码、RAG 是否已死、Skills 是否杀死了 MCP
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。