跳到正文
目前篩選:一手
10月23日週五
  1. Microsoft Research60

    Flint-interactive:建立互動式數據視覺化的語言

    Microsoft Research 介紹 Flint-interactive,一種建基於 Flint、讓 AI 智能體建立互動式數據視覺化的語言。它以語義事件和高階更新運算子描述互動,並由 Flint 編譯器處理互動邏輯與視覺依賴,減少對低階視覺化程式碼的需要。Flint-interactive 可用於互動圖表、儀錶板及數據故事,並支援圖表與文字、表格、元件或應用程式狀態連動。

    推薦理由:它把互動轉為語義事件,再用高階更新運算子描述視覺變化,由編譯器處理底層依賴,呈現降低互動圖表實作複雜度的設計思路。

10月22日週四
  1. AWS Machine Learning Blog50

    Strands Agents 自適應智能體框架的架構與實作

    AWS 示範以 Strands Agents 建構 Adaptive Agentic Intelligence Framework(AAIF),由本地 SLM 處理例行任務,並把複雜分析路由至 Amazon Bedrock。示例以 llama3.2:1b 作本地協調器,透過 Ollama 處理設備遙測與圖像分析。文章亦説明全雲端、混合及全離線部署配置,並介紹使用 MCP 伺服器集中共享工具。

10月21日週三
  1. AWS Machine Learning Blog49

    以 AWS 上的 Smartsheet MCP 為 AI 智能體提供工作流程上下文

    Smartsheet 推出正式全面開放使用的 MCP Server,讓 AI 助手透過標準化協定讀取、修改及管理 Smartsheet 資料。伺服器提供 40 多種工具,可探索及管理工作表、列、欄和自動化。Amazon Quick 和 Kiro 可分別連接伺服器,讓用戶以自然語言處理工作,或在開發流程中查看及更新任務。

  2. AWS Machine Learning Blog66

    AWS Agent Registry 如何在執行時探索工具

    AWS 的示例展示如何透過 AWS Agent Registry,在執行時搜尋已核准的 MCP 伺服器、智能體及技能,並按結果建立本次請求所需的用戶端。示例以訂單狀態、價格折扣及退貨退款三種情境,展示 MCP 單獨呼叫、MCP 與 A2A 串接,以及語義搜尋。搜尋結果只提供連線描述資料,不含呼叫憑證;記錄須經核准才會透過可搜尋資料平面提供,各項能力所需的呼叫憑證須另行處理。

    推薦理由:文章以 MCP 與 A2A 的訂單管理示例拆解執行時探索流程,並説明搜尋描述資料、核准治理與能力呼叫憑證之間的責任邊界。

  3. AWS Machine Learning Blog56

    AWS 與 Keyfactor 示範以 X.509 PKI 保護 AI 智能體身份

    AWS 與 Keyfactor 展示一套結合 X.509 PKI、Keyfactor EJBCA 及 AWS 服務的參考架構,為多智能體系統建立身份驗證與授權鏈。架構採用已簽署請求封套、用戶簽署的委派聲明、RFC 8693 受眾限定存取權杖,以及即時 OCSP 撤銷檢查。文章逐步説明用戶登入、智能體間呼叫、MCP 工具伺服器驗證及登出撤銷流程,並指出此模式可應用於其他兼容 MCP 的工具伺服器。

10月17日週六
10月16日週五
10月15日週四
  1. AWS Machine Learning Blog58

    使用 Amazon Bedrock AgentCore 建立可自我改進的文件處理系統

    AWS 的教學示範如何使用 Amazon Bedrock AgentCore 建立文件處理系統,讓多個智能體分類、擷取及驗證文件,並從修正中學習。方案包含八個專職智能體;新文件格式會生成並修正擷取提示詞,驗證通過後保存供重用,範例中首輪與後續採購單處理耗時分別為 3 分 49 秒和 1 分 30 秒。

10月14日週三
  1. AWS Machine Learning Blog61

    如何以 Anchor Browser 與 Amazon Bedrock AgentCore payments 建立可處理 x402 付款的 AI 智能體

    Anchor Browser 整合 Amazon Bedrock AgentCore payments,讓 AI 智能體可在同一瀏覽器工作階段自動支付受 x402 保護的網頁和 API。

    推薦理由:文章梳理 Anchor Browser 與 AgentCore payments 處理 x402 付款的端到端流程,説明預算控制及私鑰簽署如何由受管基礎設施承擔。

10月13日週二
  1. AWS Machine Learning Blog61

    ShipStation Global 如何在 Amazon Bedrock AgentCore 上建構 AI IT 服務台

    ShipStation Global 在 Amazon Bedrock AgentCore 上建構 Slack AI IT 服務台 Deckhand,以知識庫回答常見問題、分析錯誤截圖及建立或更新 Jira Service Management 工單。

    推薦理由:文章拆解以 RLM 從 Slack 已解決支援對話抽取結構化解法、建立知識庫的流程,並呈現三個月內 812 次 Agent 對話未轉成工單。

10月8日週四
  1. OpenAI News46

    Radisson Hotel Group brings hotel discovery into ChatGPT

    Radisson Hotel Group 與 Accenture 合作,運用 OpenAI 技術開發 ChatGPT 插件,讓旅客在規劃行程時搜尋、比較及預訂酒店。插件用 6 週建成並推出,2026 年 7 月至 8 月的訪問至預訂轉換率約為自然搜尋的 1.5 倍。用戶可在 ChatGPT 查看地圖上的酒店建議、比較價格及查看設施,再前往 Radisson 網站完成預訂。

10月7日週三
  1. AWS Machine Learning Blog62

    Cornerstone OnDemand 如何藉助 Amazon Bedrock 將資料庫診斷時間縮短 78%

    Cornerstone OnDemand 構建多智能體 AI 系統 Orion AI,採用 Amazon Bedrock 和 Strands Agents,將資料庫診斷時間由 45 分鐘降至 10 分鐘,減少 78%。資料庫生命週期操作由 10 多個人工步驟縮至一次互動,冗餘告警中位數減少 65%。文章亦介紹其按領域劃分智能體、以關鍵字優先並以語義搜尋作後備的路由設計。

    推薦理由:案例量化呈現診斷、流程及告警改善,並拆解領域分工與混合路由等設計,為資料庫營運團隊提供可參考的多智能體實作脈絡。

  2. AWS Machine Learning Blog57

    AWS 分享培養 AI 建構者、縮小知識與實作能力差距的實踐指南

    AWS 團隊分享一套為期六週的培訓計劃,協助沒有工程背景、日常接觸 AI 的商業專業人士建立 AI 智能體實作能力。參加者每週投入約四小時,在導師支援下使用 AWS 工具製作可展示的原型;四名面向客戶的專業人士打造多智能體理財工具 WealthWise,並在展示中獲得第一名。

10月6日週二
  1. AWS Machine Learning Blog55

    Amazon SageMaker AI 推出 aws-ai-ml 技能,為編碼智能體提供生成式 AI 推理最佳化能力

    Amazon SageMaker AI 推出 aws-ai-ml 技能,讓支援 MCP 的編碼智能體協助最佳化生成式 AI 推理。它可測試現有端點、推薦部署配置、比較基準測試結果,並生成可檢視及執行的 SageMaker Python SDK v3 程式碼;測試報告提供實際基礎設施負載下的吞吐量、延遲和並行數據。

  2. AWS Machine Learning Blog55

    Amazon Bedrock AgentCore Evaluations 教學:評估多智能體系統的可解釋性與有用性

    AWS 示範如何透過 Amazon Bedrock AgentCore Evaluations,衡量多智能體系統的有用性、任務成功率、業務準確性與可解釋性。文章以虛構零售商 AnyCompany Retail 的供應鏈決策方案為例,逐層結合內置評估器、自訂業務規則及六項可解釋性評估。框架支援開發階段的按需評估及生產環境的線上持續監察,並分開衡量業務準確性與解釋透明度。

10月2日週五
  1. AWS Machine Learning Blog69

    使用 Amazon Quick 與 Adjudicated Query 模式,對數萬份租約進行合規掃描

    AWS 介紹並部署 Adjudicated Query 模式,讓 Amazon Quick 的自然語言合規查詢透過固定 MCP 操作交由確定性規則引擎判定,而非由模型作出決策。

    推薦理由:文章把自然語言查詢與合規判定分開,並以完整性收據和逐筆證據鏈展示如何核對大量檢查結果。

9月28日週一
  1. Hugging Face Blog70

    Holo4 發佈通用電腦操作智能體模型系列

    H Company 發佈 Holo4 通用電腦操作智能體模型系列,提供 27B dense 與 35B-A3B Mixture of Experts,並推出更新版 Holotron4 Nano。

    推薦理由:文章提供 Holo4 在 OSWorld 2.0 的規格分數、Opus 5.5 對照和成本估算口徑,並指出各模型的測試框架與任務子集不盡相同,便於理解比較條件。

9月17日週四
  1. imBee · AI Agent 及企業客服55

    Meta 推出 WhatsApp Business Tools MCP,讓 AI 智能體代為設定 WhatsApp Business

    Meta 於 2026 年 9 月 15 日推出 WhatsApp Business Tools MCP,讓 AI 智能體透過對話建立 WhatsApp Business 帳戶、驗證電話號碼並註冊 Cloud API。它亦可建立和編輯訊息範本、追蹤審批、傳送測試訊息及設定 webhook;目前逐步推出,供開發和測試使用,不支援正式環境大規模發訊。

9月2日週三
  1. Runway:News(網頁)49

    Runway Dev MCP 正式推出

    Runway 推出 Runway Dev MCP,這個託管式 MCP 伺服器可連接 Runway Dev 帳戶與編碼工具,讓編碼智能體管理整合設定及除錯。智能體可查詢可用模型、價格、能力和請求 schema,並建立及設定 Model Router,按成本、延遲或質素在多個模型間路由。生成失敗時,智能體亦可查找失敗原因、修正請求並重試。

  2. AiX Society · 原創觀點43

    你真的懂得如何使用 AI,還是隻會在聊天框輸入文字?

    作者認為,懂得使用 AI 工作,不只是透過聊天框提問,而是讓 AI 智能體在背景持續、自主地完成任務。MCP 配合 cron job 等排程機制,可設定定時提取及分析銷售數據、檢查伺服器狀態和整理工作進度等任務。建立多智能體團隊,則可讓不同角色的智能體分工處理工作。

7月9日週四
  1. Mistral AI52

    Mistral Studio 為 Prompts 和 Skills 提供集中管理與版本追溯

    Mistral Studio 現已為 Prompts 和 Skills 提供集中記錄系統,涵蓋版本、負責人、完整歷史和追溯能力。AI 開發者及非開發者均可即時編輯和測試,正式部署仍須經企業既有測試與審批流程,標籤亦可觸發 CI/CD。Studio 支援版本比較、回滾和審計記錄,並透過 Observability 將生產輸出追溯至相應資產版本。

6月24日週三
  1. Mistral AI62

    Mistral AI 為 Connectors 新增管理、安全及除錯功能

    Mistral AI 為 Connectors 推出多項管理與安全功能,涵蓋工作區及組織層級的存取控制、具 connector scope 的 API keys、多帳户連接器,以及 MCP 連線除錯。

    推薦理由:這次更新把企業連接器的權限、執行身份與故障定位納入同一套控制,呈現智能體投入組織日常工作所需的治理環節。

6月17日週三
6月3日週三
5月28日週四
  1. Mistral AI56

    Mistral AI 推出開源 Search Toolkit 公開預覽版

    Mistral AI 發佈開源 Search Toolkit 公開預覽版,將資料匯入、檢索與評估整合為共享介面的 AI 搜索框架。它內置 BM25 稀疏檢索、基於嵌入向量的密集檢索及混合檢索,並提供 recall、precision、MRR 和 NDCG 指標,可在自有測試集評估。框架可在雲端、本地部署及邊緣環境運行,並提供 starter app template。

5月27日週三
5月22日週五
  1. Mistral AI70

    Mistral AI 在 Studio 推出 Connectors,支援內置與自訂 MCP

    Mistral AI 在 Studio 推出 Connectors,內置連接器及自訂 MCP 現可透過 API/SDK 用於模型與 Agent 調用。開發者可直接調用工具、程式化建立和管理連接器,並在工具執行前加入人工確認流程。Connectors 目前於 Studio 開放 Public Preview,集中註冊的連接器亦可供 LeChat 和 AI Studio 使用,Vibe 即將推出。

    推薦理由:連接器把 MCP 整合封裝成可跨對話、Agent 與工作流重用的項目,並以直接調用和人工確認保留工具執行控制。

4月23日週四
  1. Hugging Face Blog62

    如何在 Chrome 擴充功能中使用 Transformers.js:Manifest V3 架構指南

    Hugging Face Blog 提供 Transformers.js 在 Chrome Manifest V3 擴充功能中運行本地 AI 的實作指南。範例將模型初始化、推理和工具執行集中在背景 service worker,側邊欄提供聊天介面,content script 負責網頁內容擷取及元素標記。

    推薦理由:文章拆解 Manifest V3 擴充功能內模型推理、對話狀態與頁面操作的分工,並説明背景 service worker 如何協調模型載入、工具執行與介面訊息。