擴展 Genie Agents:深度分析、文件推理等新功能
Databricks 在 Data and AI Summit 上宣佈將 Genie Spaces 演變為 Genie Agents,並持續擴展其功能。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 中的非結構化數據(PDF、文檔等)、通過 Genie Code 簡化 Agent 的創建與優化,以及支持在團隊和 Agent 作者之間共享對話。這些功能旨在幫助用户更快速、更自信地構建和使用智能數據助手。
- Genie Agents 新增 Agent mode,可進行多步推理分析,並提供 API 供開發者集成到自定義應用、機器人和內部工具中。
- Agent 可以分析 Unity Catalog volumes 中的 PDF、文檔和圖片等非結構化文件,與結構化數據結合回答更全面的業務問題。
AWS團隊如何利用Amazon Bedrock大規模檢測儀表板內容故障
AWS團隊構建了一個基於Amazon Bedrock的自動化內容驗證方案,通過視覺與數值雙重校驗,掃描數百個QuickSight儀表板,將故障發現時間從最長72小時縮短至不到1小時。
- 儀表板內容故障具有“靜默性”,基礎設施監控難以察覺,用户主動報告的不足1%。
- 方案採用五階段無服務器架構,結合Claude模型與確定性代碼進行視覺和數值校驗。
從代碼到架構圖:使用 Amazon Bedrock AgentCore 實現智能體式架構文檔生成
本文介紹如何使用 Amazon Bedrock AgentCore 構建自動化架構文檔流水線。全球銀行間經紀商通過 AgentCore、Amazon Bedrock Knowledge Bases、AWS CodePipeline 等 AWS 服務,自動分析 .NET 代碼庫、生成並校驗 Mermaid/UML 架構圖、存入 S3 並支持語義檢索,實現持續更新的可搜索架構文檔,生產可靠性約 95%,自 2026 年第一季度投入運行。
- 利用 AgentCore 的 Strands 智能體自動分析代碼庫,生成五類 UML/Mermaid 架構圖,並支持自我糾錯。
- 通過 AWS CodePipeline + CodeCommit + CodeBuild 將文檔生成嵌入 CI/CD,代碼提交後自動發佈。
我們如何在保證任務質量的同時讓 AI 編碼更具成本效益
GitHub 博客介紹了 Copilot 降低 AI 編碼成本的四個實踐:不要只看單次工具調用的 token 數,而應從完整任務出發。通過選擇性壓縮噪音輸出、刪除不再使用的行號格式、用行為測試保護提示詞壓縮、以及批量直接交付後台完成結果,團隊在離線/在線實驗中讓推理成本或 token 用量下降約 1–5%,且未出現質量回退。
- 單看單次工具調用的 token 數會誤導優化;缺失關鍵信息會讓代理重讀輸出或重跑命令,反而使整個任務更慢、更貴。
- Copilot 的策略包括:只壓縮安裝/構建/測試等重複噪音、移除不再使用的行號、以迴歸測試保護提示詞壓縮、批量直接交付後台完成結果。