使用 Amazon Quick 与 Adjudicated Query 模式批量审查数千份租赁合同合规性
AWS 博客介绍了名为 Adjudicated Query 的设计模式,用于在 Amazon Quick 聊天界面中处理大规模、高风险的合规审查。该模式将自然语言查询转换为对确定性规则引擎的固定调用,确保审查的完整性与可验证性,适用于租赁合规、制裁筛查等多个领域。
AWS 博客介绍了名为 Adjudicated Query 的设计模式,用于在 Amazon Quick 聊天界面中处理大规模、高风险的合规审查。该模式将自然语言查询转换为对确定性规则引擎的固定调用,确保审查的完整性与可验证性,适用于租赁合规、制裁筛查等多个领域。
通过 Amazon Bedrock AgentCore Gateway 可将 Claude Desktop 连接到 Web Search 功能,以获取模型训练截止日期后的实时信息。
使用 Amazon SageMaker AI 多轮强化学习(MTRL)微调 Qwen3.6-27B 模型,构建了一个自主使用 BM25 和向量搜索工具的搜索智能体。
BetterHelp 首席增长官 Sara Brooks 通过创建 AI Excellence 职能和采用 WRITER 平台,在公司内部构建了 AI 原生营销引擎。团队利用 WRITER 存储品牌资产并生成内容,开发了从策略到创意的端到端智能体化活动流程,并通过 A/B 测试验证了其效果。Sara 本人每日亲自使用 WRITER 工作流,以领导者的亲身实践推动团队采用 AI。
Cloudflare 通过 AI Gateway 推出 Web Search API,使 AI 智能体能获取实时网络信息。该 API 与 Ceramic.ai、Exa 和 Linkup 等合作伙伴共同推出,其网络爬虫遵守 Cloudflare 的“Verified bots”标准并尊重 robots.txt。
Genie One 作为基于企业业务上下文的AI协作者,帮助财务团队快速分析预算差异、现金流趋势、财务关账异常和支出模式,支持使用自然语言提问并基于已批准的指标定义和组织逻辑生成可信结果。该工具可将原本需数日完成的分析缩短至数分钟,支持创建可复用的工作流与自动化报告,结果可自动推送至聊天和邮件。目前已在Coty、Unilever等企业落地,提升财务洞察效率与响应速度。
Amazon Quick 为其 AI 构建的 Quick Apps 推出 Live Data in Apps 功能,允许应用在每次打开时实时查询受治理的 Quick Sight 数据集,而非依赖构建时的静态快照。
Cloudflare 宣布其 Workers AI 平台接入两个欧洲开源大模型 EuroLLM 和 Apertus,并开放访问申请。EuroLLM 支持 35 种语言,包括所有 24 种欧盟官方语言;Apertus 在超过 1500 种语言的 15 万亿 token 上训练,其架构、权重、训练数据和方法均已公开。
推荐理由:原文介绍了两个欧洲开源模型接入其平台,并提供了具体的技术细节和申请入口,读者可以据此评估其多语言能力和合规设计。
Cloudflare AI Search 现已正式可用,新增了对多模态格式的原生支持,包括图像嵌入、PDF的OCR以及更大的文件处理能力。计费将于2026年11月1日开始,所有 Workers 计划仍提供免费额度。
推荐理由:原文详细说明了新增的多模态嵌入、文件处理和OCR功能,以及从预览到正式可用的计费模式变化。
Amazon Bedrock Knowledge Bases 提供了一种通过自然语言查询理赔文档并返回带引用答案的解决方案。该方案使用 AgenticRetrieveStream API 从 PDF、Word 和文本笔记中检索信息,并通过上下文对齐检查确保答案基于最新记录。应用可实时显示答案和引用来源,适用于处理理赔状态查询、多轮对话和元数据过滤等场景。
Cloudflare AI Gateway 的 User Insights 功能新增了识别模型过度使用的视图,帮助团队发现任务所需能力低于所选模型的情况。该功能可关联用户、智能体、应用程序及任务类别(如编码、研究、总结),并支持成本、延迟和对话轮次分析。这些洞察同时支撑了新推出的“潜在节省”视图和公开测试版 Auto Router,所有功能对 AI Gateway 用户免费开放。
LangSmith 已上线 Jev 智能体评估功能,支持以低延迟、低成本方式对开放性代理行为进行结构化评估。用户可通过 LangSmith 的 Evaluators 页添加 Jev-as-a-judge 评估器,配置状态与 typed 问题,实现多指标并行评估,显著提升评估效率与成本效益。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Amazon Quick 的提示工程通过不同组件实现差异化处理,本文解析了 Quick Research、Quick Flows 和 Quick Sight 的提示设计模式与陷阱。
AWS 博客介绍了一个结合 AI 智能体进行结构化提取和 RAG 进行文档检索的混合架构,用于处理大规模合同文档。该平台使用 Claude Sonnet 进行字段提取,Claude Haiku 进行独立验证,并在签名检测出现分歧时调用 Amazon Textract 作为裁决器。
Condé Nast 与 AWS 生成式 AI 创新中心合作,基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建了 AI 驱动的多模态视频发现解决方案。
LangSmith 推出自定义应用功能,允许用户基于其智能体数据构建、发布和运行专属界面,无需自行处理托管、认证和权限问题。该功能支持通过聊天提示或代码构建,Plus 和 Enterprise 计划用户可直接在 LangSmith Chat 中指定数据展示方式和可视化需求,生成可运行的应用。自定义应用可与 LangSmith 数据保持连接,用于重复性评审流程,提升人工反馈和实验对比的效率。
Replit 宣布收购商业分析公司 Atta,并将其高质量图表技术集成到平台中。用户现可在 Replit 聊天中直接请求生成交互式数据可视化图表,无需编写 SQL 即可进行商业分析。该功能旨在让非技术用户也能便捷地探索数据、解释发现并采取行动。
本文探讨了使用 Neo4j 建立图模型以回答 AWS 基础设施审计中资源清单无法处理的问题,如账户间可达性与隔离性。AWS Config 提供了配置数据和关系块,可用于构建包含 12 种节点类型和特定关系类型的图。该图模型通过区分节点类型和关系标签,帮助智能体每日重新推导合规性结论。
两家医疗AI组织使用 LangSmith 将临床专家判断转化为可复用的评估资产,以提升系统准确性并减少人工审核负担。他们通过构建标注数据集、校准评估器和自动化发布门禁,使专家意见在多个测试和迭代中持续生效。Abridge 采用参考无关和参考相关的评估方法,分别直接评分和对比特定医学场景的示例,兼顾广泛性和精确性。
Shopify 分享了其构建持续学习循环的完整方法,使专用模型在质量上超越前沿模型,同时将服务成本降低 96%。该方法始于定义质量评估标准并校准离线评估器,然后通过自动化研究优化提示和工具定义,再利用生产中的困难案例通过强化学习更新模型权重。
推荐理由:Shopify 分享了从评估标准定义到模型压缩的完整工程实践,为构建持续学习系统提供了具体路径。
GitHub Podcast 最新一期探讨了关于 AI 辅助开发的几个常见热门观点。节目指出,开发者仍需审查 AI 生成的代码,但应根据风险调整审查深度;RAG 并未过时,它通过提供模型训练数据外的相关信息来提升回答质量;Skills 和 MCP 解决不同问题,前者是打包的专业知识,后者是连接工具与数据的标准协议,可在同一工作流中共存。
联合国系统与 Google 合作推出开源平台 UN System Data Commons,整合了全球关键统计数据。该平台基于 Google 的 Data Commons 构建,提供自然语言搜索和交互式可视化功能,并支持通过 Model Context Protocol (MCP) 让 AI 智能体直接获取权威数据。平台目标是到 2027 年纳入 80% 的联合国系统统计数据集。
Included Health 通过 LangGraph 和 Deep Agents 构建了一个联邦医疗智能体架构,用于其 AI 驱动的医疗导航平台 Dot。该架构允许智能体在不同子流程间保持语气和行为一致性,并通过共享文件系统传递上下文信息,避免用户重复说明。Deep Agents 还支持将临床能力封装为技能,供各智能体按需调用,提升对话的自然度和导航效率。
WRITER 的 AI 智能体与 Palmyra X6 基础模型能帮助外部销售代表规模化处理个性化沟通。系统通过连接器整合 Salesforce 和 Outlook 数据,为每次会议生成个性化简报与后续跟进草稿,并内置合规审查功能。这解决了销售代表在管理数百名顾问时,因信息分散和准备时间不足而难以建立深度信任关系的挑战。
Neo4j 推出 Virtual Graph 功能,允许用户在 Snowflake、Databricks 和 Google BigQuery 等数据仓库中直接创建和查询知识图谱,无需复制数据。
图可视化工具通过将连接的数据转化为直观的交互式图表,帮助用户理解数据点之间的关系和影响。节点代表实体,关系以线条连接,属性控制颜色、大小等视觉元素。图可视化在欺诈检测、供应链映射和 AI 智能体记忆分析等场景中尤为关键,能揭示传统图表难以发现的多跳路径关联。Neo4j 提供了 Bloom、Dashboards 和 Visualization Library 等工具支持图可视化。
Credit Genie 采用 LangChain 的 OpenWiki 工具,自动化生成和维护代码库文档,解决了文档过时和部落知识问题。该系统每日通过 GitHub Pages 提供统一的可搜索界面,并在代码库中 openwiki/ 文件夹自动生成文档更新。团队通过此工具提升了跨系统协作效率,减少了手动维护需求,目前正计划整合内部跨仓库知识图谱以增强其智能性。
WRITER 推出 Enterprise Brain,这是一个受管控的通用上下文层,能动态捕获企业的品牌、制度知识、决策逻辑和实时业务数据,供所有团队和智能体实时使用。
WRITER 推出名为 Enterprise Brain 的共享上下文系统,旨在为整个营销和收入组织的 AI 智能体提供公司品牌、客户和市场策略知识。该系统智能捕获团队工作中学到的决策、客户信号以及公司既定的品牌指南、合规要求等两类关键上下文,并将其转化为智能体可用的共享基础。
Neo4j 新工具 Document Intelligence 可将非结构化 PDF 文档转换为图数据库,用于生成家庭作业问答对。该方法在免费版 Aura 中可用,通过手动定义包含“问题”和“答案”节点的图模型实现。用户可选择免费方案或集成 OpenAI、Bedrock 等 API 来评估回答。
企业 AI 的知识层通过图结构建模运营组织,解决责任归属、流程执行等实际问题。Neo4j 图智能平台将业务单元、团队、角色和人员关系存储为可查询的图数据,帮助 AI 智能体准确理解业务流程中的权责关系。该层设计依赖于系统记录(如 Workday、BambooHR)的数据映射,并通过治理机制确保实体一致性、来源可追溯和结构验证。
LangSmith 重构了产品首页并引入资源标签功能,以更好地组织工作区内的资源。首页按可观测性、评估和提示工程三个主要领域重新划分,支持更清晰的开发流程管理。资源标签允许用户按自定义标签或“Application”进行过滤,提升资源分组和访问的灵活性,并将很快支持基于属性的访问控制(ABAC)。
LangSmith 推出自我优化的 LLM-as-a-Judge 评估系统,通过存储人类对评估结果的修正作为少样本示例,使评估器在后续迭代中自动适应。该系统减少对提示工程的依赖,适用于检测 RAG 幻觉、答案正确性及毒性内容等场景。用户可免费注册 LangSmith 尝试该功能,评估器支持在线和离线模式,配置简便且能随时间改进。
LangChain 重构了 chat.langchain.com 聊天机器人,采用 createAgent 和 Deep Agent 两种架构,分别用于快速文档问答和深度代码分析。新系统通过直接调用文档、知识库和代码库的 API,实现精准引用和上下文优化,支持多模型切换与实时流式响应,已在生产环境上线。
Neo4j Aura 提供了初创公司构建图应用的完整指南,包括安装工具、实例配置和常见错误避免。使用 neo4j-cli 安装所有技能并开启自动刷新,确保技能与 Neo4j 功能同步更新。通过 GraphRAG、MCP 服务器、GDS 和 Agent Memory 等工具,可逐步构建图应用并优化性能。
LangChain 官方发布教程,展示如何使用 Perplexity Agent API、LangGraph 和 LangSmith 构建可审计的 VC 研究智能体。
推荐理由:原文展示了如何用 Perplexity Agent API 和 LangGraph 构建可审计的投资研究智能体,提供了可复用的架构与实现路径。
LangChain 博客提出了一种名为 Wiki Memory 的 AI 智能体记忆系统,通过将原始数据转化为结构化文件形式,为智能体提供持久、可读的知识层。该方法不同于 RAG,采用预计算方式生成知识摘要,便于后续智能体快速理解领域内容。Wiki Memory 适用于长期领域知识存储,而非短期对话状态或高频日志记录。
LangChain 与 You.com 联合发布基于 Deep Agents 和 Finance Research API 的金融研究智能体框架,支持对欧盟27国2025年GDP数据进行自动化分析,实现异常检测、行业归因与可审计报告生成,完整执行过程通过 LangSmith 可视化追踪,提供可复现、可验证的AI研究工作流。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Harmonic 用 Deep Agents 重构其 AI 产品 Scout,将产品迭代周期从月级缩短至天级,通过单个前沿模型与工具集成实现开放任务处理,支持跨数据层与企业上下文的多步推理。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
GraphSAGE 允许在新增节点时不重新训练整个图谱,直接生成嵌入向量。Aura Graph Analytics 提供模型存储功能,支持复用训练好的 GraphSAGE 模型处理新数据。文章演示了如何在合成电商图谱上训练 GraphSAGE,并用其为从未见过的新客户生成嵌入,无需重新训练。