扩展 Genie Agents:深度分析、文件推理等新功能
Databricks 在 Data and AI Summit 上宣布将 Genie Spaces 演变为 Genie Agents,并持续扩展其功能。最新更新包括:Agent mode 及 API 支持更深入的多步分析、接入 Unity Catalog volumes 中的非结构化数据(PDF、文档等)、通过 Genie Code 简化 Agent 的创建与优化,以及支持在团队和 Agent 作者之间共享对话。这些功能旨在帮助用户更快速、更自信地构建和使用智能数据助手。
- Genie Agents 新增 Agent mode,可进行多步推理分析,并提供 API 供开发者集成到自定义应用、机器人和内部工具中。
- Agent 可以分析 Unity Catalog volumes 中的 PDF、文档和图片等非结构化文件,与结构化数据结合回答更全面的业务问题。
AWS团队如何利用Amazon Bedrock大规模检测仪表板内容故障
AWS团队构建了一个基于Amazon Bedrock的自动化内容验证方案,通过视觉与数值双重校验,扫描数百个QuickSight仪表板,将故障发现时间从最长72小时缩短至不到1小时。
- 仪表板内容故障具有“静默性”,基础设施监控难以察觉,用户主动报告的不足1%。
- 方案采用五阶段无服务器架构,结合Claude模型与确定性代码进行视觉和数值校验。
从代码到架构图:使用 Amazon Bedrock AgentCore 实现智能体式架构文档生成
本文介绍如何使用 Amazon Bedrock AgentCore 构建自动化架构文档流水线。全球银行间经纪商通过 AgentCore、Amazon Bedrock Knowledge Bases、AWS CodePipeline 等 AWS 服务,自动分析 .NET 代码库、生成并校验 Mermaid/UML 架构图、存入 S3 并支持语义检索,实现持续更新的可搜索架构文档,生产可靠性约 95%,自 2026 年第一季度投入运行。
- 利用 AgentCore 的 Strands 智能体自动分析代码库,生成五类 UML/Mermaid 架构图,并支持自我纠错。
- 通过 AWS CodePipeline + CodeCommit + CodeBuild 将文档生成嵌入 CI/CD,代码提交后自动发布。
我们如何在保证任务质量的同时让 AI 编码更具成本效益
GitHub 博客介绍了 Copilot 降低 AI 编码成本的四个实践:不要只看单次工具调用的 token 数,而应从完整任务出发。通过选择性压缩噪音输出、删除不再使用的行号格式、用行为测试保护提示词压缩、以及批量直接交付后台完成结果,团队在离线/在线实验中让推理成本或 token 用量下降约 1–5%,且未出现质量回退。
- 单看单次工具调用的 token 数会误导优化;缺失关键信息会让代理重读输出或重跑命令,反而使整个任务更慢、更贵。
- Copilot 的策略包括:只压缩安装/构建/测试等重复噪音、移除不再使用的行号、以回归测试保护提示词压缩、批量直接交付后台完成结果。