如何在 Amazon Bedrock Managed Knowledge Base 上用 Agentic Retrieve 构建带记忆的 AI 智能体
AWS 介绍在 Amazon Bedrock Managed Knowledge Base 的 AgenticRetrieveStream 请求中加入 memoryConfiguration,把 AgentCore memory 作为检索来源,由服务恢复会话、抽取事实并写入记忆。
AWS 介绍在 Amazon Bedrock Managed Knowledge Base 的 AgenticRetrieveStream 请求中加入 memoryConfiguration,把 AgentCore memory 作为检索来源,由服务恢复会话、抽取事实并写入记忆。
微软研究院联合 UC Berkeley 和 Microsoft Security 发布开源插件 TokenEconomizer,它从编码智能体在仓库中的历史会话学习,在不改动智能体和底层模型的前提下降低后续会话的 token 开销。
推荐理由:微软研究院联合 UC Berkeley 发布的插件,在 277 个 SWE-Bench 任务上把编码智能体成本降低 18.4–30.9%,可了解经验驱动降本的具体机制。
GitHub 发布 agent skills 实践指南,介绍以 SKILL.md 为核心的版本化目录结构,让同一套指令可在不同智能体客户端间复用。文中以 Proof Agent 的独立验证技能和 Data Forge 的多技能数据流水线为例,说明如何把项目配置放进 manifest、让相关技能共用执行路径,并在每个阶段设置人工审批点。
微软研究人员发现名为 Lazarus 的后门技术,通过重编程 LLM 中不到 10 个休眠神经元,无需训练即可给基于该模型的智能体植入后门,模型仍能通过标准评测,直到触发条件出现才执行攻击者命令。
推荐理由:微软研究团队披露一种无需训练、仅改动不到 10 个休眠神经元即可给智能体植入后门的权重篡改方法,并给出溯源与检测思路。
微软研究院发布 PDD Kit,把开发者的意图转成 Verus 形式化规约,再证明编码智能体生成的代码对每个输入都满足该规约,证明覆盖不到的部分改用测试。团队在 GitHub Next 的 Chopin 环境中用它验证了 Rust 全栈应用 Pet Store 的登录逻辑,开发者只审阅意图文档而未逐行阅读生成代码。PDD Kit 目前是研究原型,仅支持 Rust,验证依赖 Verus 与 Z3。
微软构建 Industry Evaluation Data Generation Platform,用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot,全程不使用任何客户数据。
微软研究院发布 Flint-interactive,一种在 Flint 之上创建交互式数据可视化的语言,让智能体生成可点击、筛选、缩放和跨图表联动的图表。它通过 Flint 编译器把点击、拖拽等原始触发解析为语义事件,用户和智能体只需用高层算子描述更新行为,从而减少布局、渲染和调试问题。
推荐理由:微软研究院发布 Flint-interactive,把交互逻辑交给编译器处理,读者可据此判断 AI 生成图表在交互可靠性上的改进空间。
GitHub 为密钥扫描训练了专用 ModernBERT 分类器,配合正则候选生成的两阶段流水线,在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间降低 86%、服务成本较远程 LLM 调用降低 98%。该分类器结合文件路径、变量名和周边代码判断候选字符串是否为真实凭据,使通用密钥检测得以扩展到推送保护阶段。
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 分类器,把 push protection 扩展到非结构化密钥,可在 2 毫秒内评估一批候选密钥,并称可让可拦截的密钥数量翻倍以上。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征,构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。