用 Amazon Nova Act 做智能体 QA 自动化：QA Studio 新增应用与团队权限管理
AWS 博客介绍 QA Studio 的两项新能力：用"应用"把测试按被测系统归类并汇总健康指标，用团队与角色管理控制谁能查看和修改测试。健康视图给出通过率、执行次数、失败数和 0–100 健康分，并对不稳定测试扣分。指标页支持 7 天按小时、30 天按天的趋势查看，角色分为 Admin、Team Lead、Editor、Executor、Viewer 五级。
全部 AI 动态
AWS Machine Learning BlogAI 评分3434 AWS Machine Learning BlogAI 评分3434 Epsilon 如何用 Amazon Nova Act 构建意图驱动的 UI 测试
Epsilon 的 Agentic Platform 团队用 Amazon Nova Act 搭配 Amazon Bedrock AgentCore Browser，把意图驱动的 UI 测试做成平台托管服务，叠加在原有 Playwright 回归套件之上。
AWS Machine Learning BlogAI 评分5555 用 Kiro 构建可重复的 PHP 到 Java 迁移引擎
AWS 博客介绍如何用 AI IDE Kiro 把 PHP 到 Java 的迁移做成可重复流程，核心是一套共享 skill 文件驱动的八阶段流水线。该流程先用 discover-models.php 扫描器生成模型清单，再在写 Java 前搭建对照测试 harness，最后分阶段翻译数据模型、I/O 层和业务逻辑。
AWS Machine Learning BlogAI 评分5151 MoEngage 如何用 AgentCore Gateway 将 400 多个 API 转为 Agent 工具
MoEngage 借助 Amazon Bedrock AgentCore Gateway，把分布在 7 个 AWS Region、由 25 个团队维护的约 400 个私有 REST API 转成权限受控的 Agent 工具，估计节省约 6 个月平台工程投入。
AWS Machine Learning BlogAI 评分4545 在 Amazon EKS 与 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型加速智能体 AI
NVIDIA Nemotron 3.5 Super VL 已在 AWS 上线，这是一个 120B 参数、每 token 激活 12B 的 MoE 多模态模型，支持文本、图像、文档和视频输入，上下文长度达 1M tokens。
AWS Machine Learning BlogAI 评分3939 在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 发布基于 Amazon Bedrock 与 AgentCore 的企业级 Agentic AI 平台参考架构与蓝图，采用联邦式运营模型，由中央 Platform 团队提供受治理的共享服务，各 Workstream 团队保留对自有智能体、工具和数据的归属。蓝图以基础设施即代码形式落地推理网关、MCP 工具网关、身份、可观测性与成本治理等企业契约，并提供评估流水线在智能体上线前进行门禁校验。
AWS Machine Learning BlogAI 评分3434 在 EKS 上用 Ray Train DLC 和 EFA 做分布式训练
AWS 发布 Ray Train DLC 镜像（train-ml-cuda-v1.1），预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 及 AWS OFI NCCL 插件，免去自行构建镜像。
Latent SpaceAI 评分4040 在喜马拉雅山麓用离线 AI 智能体写代码：OpenCode + Ollama 跑 Qwen3.5 9B 实测
一位 Thomson Reuters 首席工程师在喜马拉雅山麓的断网环境下，用 OpenCode 搭配 Ollama 本地运行 Qwen3.5 9B，实测离线完成代码解释、失败测试排查和小幅重构等任务。Qwen 模型卡显示 Qwen3.5 9B 的 LiveCodeBench v6 为 65.6、BFCL-V4 为 66.1，下载体积约 6.6–7.6 GB。下载新依赖或联网查资料仍需连接网络。
GitHub Blog · AI & MLAI 评分2424 Java Champions 如何用 GitHub Copilot 提升生产力
三位资深 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的具体做法。Vlad Mihalcea 借助 Copilot 将一个原本需数周的应用开发压缩到两天，并用 65 篇文章训练自定义技能模仿自己的写作风格。
GitHub Blog · AI & MLAI 评分3232 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开，保留任务、计划和对话上下文，以及智能体改动过的 worktree 与 diff。用户可在编辑器里逐行审查改动、手动编辑、用集成终端运行测试，再把更新推送到该会话关联的 pull request。
GitHub Blog · AI & MLAI 评分4949 GitHub 用 ModernBERT 分类器重构密钥扫描：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用 ModernBERT 分类器，配合正则候选生成的两阶段流水线，替代此前的 LLM 流水线。其告警接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98% 以上，并让通用密钥检测得以进入推送保护环节。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：在 .github/copilot-instructions.md 中定义仓库级自定义指令，用 .github/skills 下的 agent skills 封装可重复流程，用 .github/agents 中的自定义 agent 处理跨文件复杂任务，并通过 MCP 服务器连接外部工具与数据源。
GitHub Blog · AI & MLAI 评分2222 GitHub 博客：AI 正在改变开发者工作，三项技能值得强化
GitHub 博客提出开发者应对 AI 工作方式变化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型审查计划、代码和测试，以发现首个模型遗漏的问题。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种用户与智能体共享的可定制界面，可以是看板、问题分诊板、发布清单或表格。在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体权限，智能体就会生成界面并在右侧面板打开，之后可继续让智能体增删列、筛选或接入未关闭的 pull request。