web-edit 0.1a2 新增文本和图像复制到剪贴板功能
Simon Willison 的 web-edit 工具发布 0.1a2 版本，新增文本和图像数据的复制到剪贴板功能。该功能是为方便从手机远程操作笔记本电脑运行 pelican prompts 时，将运行日志复制到 Gist 而添加的。
#教程/实践
#教程/实践
今日 0 条Simon WillisonAI 评分1212
Simon WillisonAI 评分2222 Chirp Pong：Simon Willison 用声波 chirp 实现两台手机间的双人 Pong 对战
Simon Willison 在 Claude Code 中借助 Claude Opus 5.5 Extra 编写了 Chirp Pong——一款通过麦克风发送 chirp 声波在两部手机间传输游戏状态的纯静态 HTML 双人对战 Pong 演示。游戏依赖浏览器 microphone API 解析音频信号，无需后端服务器即可让两台靠近的手机实时同步游戏状态。
AWS Machine Learning BlogAI 评分5151 Meta 编程优化开源权重模型 Muse Spark Open 上架 Amazon SageMaker JumpStart
Meta 将编程优化开源权重模型 Muse Spark Open 接入 Amazon SageMaker JumpStart。模型采用 MoE 架构，总参数 816B、单 token 激活 42B，上下文 1M tokens；接收文本、图像、文档、音频与音视频输入，并作为推理模型会返回 reasoning_content。
Simon WillisonAI 评分3434 Simon Willison 用 Claude Opus 5.5 Max 打造 Three.js 游戏 Tree Appreciator
Simon Willison 通过 Claude iPhone 应用聊天模式提示 Claude Opus 5.5 Max，耗时 3 小时 7 分钟开发出一款 Three.js 找差异游戏"Tree Appreciator"，成品包含音乐、动画与成就系统。游戏让玩家欣赏两棵算法生成树之间的差异。Simon 表示，仅一句"确保它有趣"的指令对 Opus 5.5 效果出奇地好。
AWS Machine Learning BlogAI 评分3333 使用 Amazon Bedrock AgentCore 构建可自改进的文档处理系统
AWS 博客演示如何用 Amazon Bedrock AgentCore 构建可自改进的文档处理系统，8 个 Agent 协作的多智能体方案通常可在 20 分钟内部署。
AWS Machine Learning BlogAI 评分2424 Tamnoon 如何基于 Amazon Bedrock 构建 AI 云安全修复方案
Tamnoon 基于 Amazon Bedrock 构建 AI 云安全修复智能体 Tami，90 天内将关键云风险敞口降低逾 90% 且零生产事故。
AWS Machine Learning BlogAI 评分3333 用 Amazon Bedrock AgentCore 自动生成演示文稿
AWS 技术博客演示了基于 Amazon Bedrock AgentCore 的 AI 智能体方案，可将企业文档自动转化为 PowerPoint 演示文稿，内部测试全程低于 90 秒。
AWS Machine Learning BlogAI 评分3434 如何用 Amazon SageMaker JumpStart 部署和评估模型
Amazon SageMaker JumpStart 提供预训练模型目录，可通过 SageMaker Python SDK v3 部署并测量延迟、输出长度与生成速率。
Simon WillisonAI 评分2323 用 Python 3.15 内置 `profiling.sampling` 剖析 web-edit：火焰图与源码热力图
Simon Willison 用 Python 3.15 内置 `profiling.sampling` 剖析 web-edit，发现 `preserve_endings` 占 15,296 个 CPU 栈的 64.8%，`SequenceMatcher.find_longest_match` 贡献 38.3% 叶子样本。
AWS Machine Learning BlogAI 评分4040 Amazon Bedrock 如何通过托管授权管理 AWS Marketplace 私有定价
AWS 在 Amazon Bedrock 中提供托管授权，可通过 AWS License Manager 集中激活 AWS Marketplace 私有定价（MPPO）授权，省去各账户逐一订阅。
AWS Machine Learning BlogAI 评分3939 Amazon SageMaker AI 上的 Mixture-of-Experts 内核优化实践
AWS 团队针对 Amazon SageMaker AI 上的 Mixture-of-Experts 大语言模型推理进行内核优化。
AWS Machine Learning Blog精选AI 评分6666 在 Amazon Bedrock 上用 Grok 4.7 构建长任务代理
AWS 在 Amazon Bedrock 上线 xAI 的 Grok 4.7 模型，介绍构建长任务工具调用代理的方法并比较四个推理档位（low、medium、high、xhigh）的效果。
推荐理由：原文给出四个推理档位的实测准确率与 token 用量对照，读者可据此为自己的代理负载选择推理档位与监控策略。
AWS Machine Learning BlogAI 评分4040 ShipStation Global 如何基于 Amazon Bedrock AgentCore 构建 AI IT 帮助台 Deckhand
ShipStation Global 基于 Amazon Bedrock AgentCore 为 Slack 构建了 AI IT 帮助台 Agent "Deckhand"，上线后 3 个月内解决 97.5% 频道咨询并获得 96% 员工正面反馈。
AWS Machine Learning BlogAI 评分3333 Orca Security 基于 Amazon Bedrock 构建自然语言安全查询能力
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建 Discovery AI，将自然语言问题转换为 Sonar 安全查询。该方案采用 RAG 加九阶段流水线架构，相比基线将查询成本降低 90%、输入 token 减少 93%、端到端延迟降低 75%，可日处理数千次查询、响应时间约 15 秒。
Simon WillisonAI 评分2727 Simon Willison 发布 web-edit 0.1a0：可通过 Tailscale 在手机端编辑本地文件的 Web 应用
Simon Willison 发布了由 Codex 和 GPT-6 Astra Extra High 生成的 Python Web 应用 web-edit 0.1a0，用于通过 Tailscale 网络浏览和编辑本地文件夹中的文件。该工具采用 CodeMirror 6 编辑器而非 Monaco，因为后者在移动端体验欠佳；设计上避免凭据经 LLM 中转。
Simon WillisonAI 评分5656 Geoffrey Huntley：用预提交钩子向编码 Agent 注入提示词以约束调用路径
Geoffrey Huntley 分享了一种引导编码 Agent 的做法：写一个预提交钩子，检查 git diff 中是否直接调用了绕过自有诊断库的 observability 模块；若发现则阻止提交，并向 Agent 注入提示词，要求它改用诊断库，结果 Agent 表现达到 10/10。该做法由 Simon Willison 引用转述。
AWS Machine Learning BlogAI 评分4949 如何通过 Amazon Bedrock 全局跨区域推理在泰马新印台调用 OpenAI GPT 模型
Amazon Bedrock 在泰马新印台五个亚太区域开放 OpenAI GPT-6 Sol、GPT-6 Luna 与 GPT-6 Astra 三款模型的全局跨区域推理，三者均支持文本和图像输入、客户端工具调用与 prompt caching。
AWS Machine Learning BlogAI 评分4545 如何使用 Ray LLM 深度学习容器在 Amazon EKS 上运行多节点推理
AWS 推出 Ray LLM 深度学习容器，可在 Amazon EKS 上将单个大语言模型跨两个 GPU 节点部署，实现 prefill 与 decode 分离推理。
AWS Machine Learning BlogAI 评分3232 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
Amazon SageMaker AI 上的 AWS DLC for llama.cpp 提供两条部署路径：一条走 llama-server 兼容 OpenAI 聊天补全，另一条通过 SemIf 适配器直接返回各选项概率。
The Verge · AIAI 评分3939 上手本地大模型：兴奋、应接不暇与受挫的初体验
The Verge 编辑在搭载 256GB 统一内存的 M5 Ultra Mac Studio 上试水本地大模型，借助开源的 Hermes Agent 加载 Qwen 3.8 Flash Next（125B 参数，约 105GB）等本地模型处理日常任务。
AWS Machine Learning BlogAI 评分5050 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 与 AWS 联合发文，详解 Agent Mode 在 Amazon Bedrock 上服务 4000 万开发者时采用的工具动态筛选、schema 直接读取和上下文分层等工程模式。
Simon WillisonAI 评分5252 Simon Willison 用 ChatGPT 语音模式与 Codex 构建博客 newsletters 索引功能
Simon Willison 在做饭的约半小时里用 ChatGPT 桌面端 Codex 语音模式（GPT-6 Astra High）为博客构建了一个 newsletters 索引页面，整合他的免费 Substack 周报和付费月度通讯。
OpenAI NewsAI 评分2727 LegalOn 在保持开发速度的同时将 Codex 成本降低 65%
LegalOn 通过将开发任务与 Astra、Sol 和 Luna 三款产品匹配并策略性管理预算，把估算的每日 Codex 成本降低 65%，同时保持原有开发速度不变。
Hugging Face Blog精选AI 评分6767 用 HuggingChat ML-intern 从一句 prompt 造出 6 个小模型
作者用 HuggingChat 中的 ML-intern 模式在几天内从零造出 6 个小模型，总计算开销约 103 美元；每个项目从一个自然语言 prompt 出发，由 ML-intern 规划预算、跑基线、训练并把模型与评测直接发布到 Hugging Face Hub。
推荐理由：原文给出了一套可复用的 ML-intern prompt 写法，包括 Verified facts 区块、先跑基线、带检查的冒烟测试和硬性支出上限，读者可直接套用到自己的项目里。
AWS Machine Learning BlogAI 评分5959 Amazon Bedrock AgentCore payments 实现按次付费推理：BlockRun 与 Incarna 集成实践
AWS 在博客中详解 Amazon Bedrock AgentCore payments 如何让 Incarna 的智能体通过 x402 协议按次向 BlockRun 付费获取模型推理。
AWS Machine Learning BlogAI 评分4444 Cornerstone OnDemand 如何借助 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 与 Strands Agents 构建多智能体系统 Orion AI，将数据库故障诊断时间从 45 分钟压缩到 10 分钟，缩短 78%。该系统由 3 人团队历时 6 个月交付，手动生命周期操作步骤从 10 多个降至 1 次交互，SRE 与数据团队间报告延迟由 15 分钟降至实时，冗余告警中位数减少 65%。
AWS Machine Learning BlogAI 评分4444 AWS DevOps Agent 调查后如何自动修复
AWS DevOps Agent 完成事件调查后，可配合 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 自动执行修复流程。
AWS Machine Learning BlogAI 评分3131 Qlik 如何借助 Amazon Bedrock 构建可溯源的企业级 AI
Qlik 在 Amazon Bedrock 上构建了企业级 AI 应用 Qlik Answers，自 2026 年 2 月正式上线以来已为 4 万余客户提供带数据出处的答案。
AWS Machine Learning BlogAI 评分3232 AWS：超越工时节省，构建智能体自动化的商业论证
AWS 博客提出 Agentic Value Model 框架，指出传统 RPA ROI 模型无法捕捉智能体自动化创造的大部分价值。该框架从时间节省、异常处理、决策质量、变更韧性四个维度衡量收益，并以"价值实现"作为收益能否落到 P&L 的关键条件。引用 McKinsey "1:3:5 模式"，每 1 美元智能体技术投入应配 3 美元流程重构与 5 美元能力建设。
AWS Machine Learning BlogAI 评分4747 基于 AgentCore 与 OpenClaw 构建具备上下文记忆的 AI 助手
AWS 博客展示如何基于 Amazon Bedrock AgentCore 运行时与开源 OpenClaw 构建具备持久记忆的个人 AI 助手，AgentCore memory 把多轮对话沉淀为按结构化元数据检索的长期知识。
Simon WillisonAI 评分2323 使用 Parseable 搭配 Datasette 处理 OpenTelemetry traces
Simon Willison 借助 Codex，将 Datasette 1.0a41 的 OpenTelemetry trace 数据接入 Parseable 可观测性平台。Parseable 提供 AGPL 开源的 Rust 实现（约 180MB 单文件二进制），同时附带企业版和云托管选项，文章展示了在 Parseable 本地 Web 应用中查看 Datasette trace 的实际效果。
AWS Machine Learning BlogAI 评分4646 使用 Amazon Bedrock AgentCore、知识库与 Nova Sonic 构建航空语音助手
Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Amazon Bedrock Knowledge Bases 可组合构建航空语音助手，支持行程查询、座位变更、政策问答与人工转接。系统通过 AgentCore Gateway 以 MCP 协议对接后端 API，配套 AWS CDK 脚本与 React 前端。
AWS Machine Learning BlogAI 评分3131 Amazon SageMaker HyperPod 管理与治理最佳实践
AWS 针对 Amazon SageMaker HyperPod 与 SageMaker Unified Studio 集成，提出组织、项目、集群、工作负载四层治理最佳实践。
AWS Machine Learning BlogAI 评分2929 AWS 如何助力客户对齐 ISO/IEC 42005:2025 实现负责任 AI 治理
AWS 解读 ISO/IEC 42005:2025 标准，阐述 AI 系统影响评估如何融入企业风险管理流程，并提供 Annex D 整合方法与 Annex E 独立模板。
Simon WillisonAI 评分2626 Simon Willison 测试 Claude Opus 5.5 作曲：意外生成《猴岛》风格游戏音乐
Simon Willison 通过提示词让 Claude Opus 5.5 设计文本式音乐格式并构建可播放的 artifact，结果意外产出大量《猴岛》原版风格游戏音乐片段，质量令人满意。他推测文本模型的音乐生成能力可能与近几个月出现的 3D 图形能力类似，是一项新涌现的能力，但仍需用其他模型进一步验证。
Ars Technica · AIAI 评分4141 命令行工具 RemoveMacAI 可快速移除 macOS 27 上的 Apple Intelligence
RemoveMacAI 是一款开源命令行工具，可快速移除 macOS 27 上的 Apple Intelligence 功能。
AWS Machine Learning BlogAI 评分3030 用 Claude Code 与 Amazon Bedrock 加速合规监管类工作负载
Anthropic Claude Opus 5.5、Sonnet 5.5 与 Sonnet 5 已在 Amazon Bedrock 的 AWS GovCloud (US) 区域上线，其中 Sonnet 5 获 FedRAMP Class D 和 DoD IL4/IL5 认证，可覆盖 ITAR 等合规场景。
AWS Machine Learning BlogAI 评分3838 用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与帮助性
Amazon Bedrock AgentCore Evaluations 为多智能体系统提供托管评估能力，内置评估器覆盖帮助性与任务完成度，自定义评估器可校验决策依据、约束满足与 SQL 正确性。文章以 AnyCompany Retail 供应链场景为例，使用 Strands Agents SDK 构建编排智能体与优化、分销、路由、分析四个子智能体，并支持按需和在线两种评估模式。
AWS Machine Learning BlogAI 评分3535 在 Amazon Bedrock Knowledge Bases 中用 LangChain 实现智能体检索
Amazon Bedrock Managed Knowledge Base 支持智能体检索，可由 LangChain 将问题拆为子查询、判断证据充分后再决定是否补充检索。
OpenAI NewsAI 评分1717 GPT-6 模型家族选型指南
OpenAI 针对创业公司的 GPT-6 模型家族选型指南，涵盖模型选择、调节推理强度（reasoning effort）、改进提示词与技能（prompts and skills）、协调工具调用以及为生产环境准备工作流等关键环节。