亚马逊计划整合Nova AI模型，转向单一前沿模型
据Business Insider报道，亚马逊正计划调整其AI战略，从拥有文本、图像、视频等多款模型转向整合为一款单一的多模态前沿模型，可能仍沿用Nova品牌。此次调整涉及淘汰Premier、Omni、Canvas图像生成和Reel视频生成等模型。亚马逊发言人表示，公司持续根据客户需求迭代模型组合，并投资下一代前沿模型研究。与此同时，亚马逊在其通用人工智能部门进行了裁员，以支持更集中的开发策略。尽管亚马逊已向Anthropic投资250亿美元并承诺追加200亿美元，同时将GPT和Codex引入AWS，但其自研模型在市场份额上仍落后于行业领先者。AWS收入虽同比增长28%，但增速不及谷歌云和甲骨文。战略收缩可能影响AI原生手机等硬件计划，对AWS客户而言，亚马逊或将更专注于提供基础设施和第三方模型。 #亚马逊 #AI #大模型 #Nova #AWS #科技新闻 #战略调整 #人工智能
据Business Insider报道，亚马逊正计划调整其AI战略，从拥有文本、图像、视频等多款模型转向整合为一款单一的多模态前沿模型，可能仍沿用Nova品牌。此次调整涉及淘汰Premier、Omni、Canvas图像生成和Reel视频生成等模型。亚马逊发言人表示，公司持续根据客户需求迭代模型组合，并投资下一代前沿模型研究。与此同时，亚马逊在其通用人工智能部门进行了裁员，以支持更集中的开发策略。尽管亚马逊已向Anthropic投资250亿美元并承诺追加200亿美元，同时将GPT和Codex引入AWS，但其自研模型在市场份额上仍落后于行业领先者。AWS收入虽同比增长28%，但增速不及谷歌云和甲骨文。战略收缩可能影响AI原生手机等硬件计划，对AWS客户而言，亚马逊或将更专注于提供基础设施和第三方模型。 #亚马逊 #AI #大模型 #Nova #AWS #科技新闻 #战略调整 #人工智能
TokenMaxxer 上线
TokenMaxxer 是一款面向开发者的新工具，能够从 18 种编码工具（如 Claude Code、Codex、Cursor 等）中读取 AI Token 使用数据，并以精美仪表盘展示消耗量、成本及去向。该工具采用只读 CLI 收集本地使用元数据，确保提示词和代码不离开本地，默认隐私保护，用户可选择公开参与全球排行榜。排行榜显示最重度 AI 用户，按 Token 消耗排名，并支持切换查看花费。TokenMaxxer 旨在帮助开发者清晰掌握 AI 工具使用情况，优化成本，并加入社区竞争。 #TokenMaxxer #AI #Token追踪 #开发者工具 #编程 #排行榜 #隐私保护 #成本优化
TokenMaxxer 是一款面向开发者的新工具，能够从 18 种编码工具（如 Claude Code、Codex、Cursor 等）中读取 AI Token 使用数据，并以精美仪表盘展示消耗量、成本及去向。该工具采用只读 CLI 收集本地使用元数据，确保提示词和代码不离开本地，默认隐私保护，用户可选择公开参与全球排行榜。排行榜显示最重度 AI 用户，按 Token 消耗排名，并支持切换查看花费。TokenMaxxer 旨在帮助开发者清晰掌握 AI 工具使用情况，优化成本，并加入社区竞争。 #TokenMaxxer #AI #Token追踪 #开发者工具 #编程 #排行榜 #隐私保护 #成本优化
Amazon Bedrock 推出自动策略改进功能，简化形式化验证流程
Amazon Bedrock 宣布其 Automated Reasoning 策略新增自动改进功能，替代以往手动诊断、编辑、测试的重复循环。该引擎可自动检测失败测试并生成形式逻辑修复方案，用户需批准每一项更改后方可生效。Automated Reasoning 检查利用形式化验证，通过将自然语言转换为形式逻辑，实现高达99%的验证准确率。此次发布包含两种改进模式：针对规则问题的迭代改进，以及针对语言问题的模糊变量改进。文章详细介绍了两种模式的API工作流和可重复的控制台操作，帮助用户将失败策略转化为通过策略。该功能旨在解决策略开发中最大的痛点——迭代调优。 #AmazonBedrock #AutomatedReasoning #形式化验证 #策略改进 #AWS #AI #机器学习
Amazon Bedrock 宣布其 Automated Reasoning 策略新增自动改进功能，替代以往手动诊断、编辑、测试的重复循环。该引擎可自动检测失败测试并生成形式逻辑修复方案，用户需批准每一项更改后方可生效。Automated Reasoning 检查利用形式化验证，通过将自然语言转换为形式逻辑，实现高达99%的验证准确率。此次发布包含两种改进模式：针对规则问题的迭代改进，以及针对语言问题的模糊变量改进。文章详细介绍了两种模式的API工作流和可重复的控制台操作，帮助用户将失败策略转化为通过策略。该功能旨在解决策略开发中最大的痛点——迭代调优。 #AmazonBedrock #AutomatedReasoning #形式化验证 #策略改进 #AWS #AI #机器学习
提示、上下文、循环
每个RAG系统都建立在单一LLM调用的三个工程层之上。提示工程负责调用本身：系统消息、指令、固定输出格式的模式。上下文工程决定模型窗口的内容：检索、压缩、筛选排除什么。循环工程处理调用周围的行为：何时触发下一次调用、何时停止循环、检查失败时如何恢复。几乎所有关于RAG的争论本质上都是关于你站在哪一层上的争论。明确层级后，大部分困惑便烟消云散。本文绘制了地图：每一层所负责的内容、它们如何映射到序列中，以及“一层取代另一层”的简洁叙事为何只有一半正确。这三大层叠在一起，描述了生产团队在超越“Hello World”后所做的大部分工作。提示工程从2022-2023年GPT-3.5和ChatGPT开始普及；上下文工程在2025年成为主流术语（Karpathy、Tobi Lütke公开使用，Anthropic发布《为AI代理有效进行上下文工程》）；循环工程则在2026年5月随着Boris Cherny的“我不再提示Claude，而是运行循环”而正式确立。 #RAG #提示工程 #上下文工程 #循环工程 #AI #大模型 #工程架构
每个RAG系统都建立在单一LLM调用的三个工程层之上。提示工程负责调用本身：系统消息、指令、固定输出格式的模式。上下文工程决定模型窗口的内容：检索、压缩、筛选排除什么。循环工程处理调用周围的行为：何时触发下一次调用、何时停止循环、检查失败时如何恢复。几乎所有关于RAG的争论本质上都是关于你站在哪一层上的争论。明确层级后，大部分困惑便烟消云散。本文绘制了地图：每一层所负责的内容、它们如何映射到序列中，以及“一层取代另一层”的简洁叙事为何只有一半正确。这三大层叠在一起，描述了生产团队在超越“Hello World”后所做的大部分工作。提示工程从2022-2023年GPT-3.5和ChatGPT开始普及；上下文工程在2025年成为主流术语（Karpathy、Tobi Lütke公开使用，Anthropic发布《为AI代理有效进行上下文工程》）；循环工程则在2026年5月随着Boris Cherny的“我不再提示Claude，而是运行循环”而正式确立。 #RAG #提示工程 #上下文工程 #循环工程 #AI #大模型 #工程架构