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 在 Amazon Nova Act 构建的 QA Studio 中新增“应用”与基于团队的用户管理两项能力，用于跨组织扩展测试自动化。应用作为测试容器汇总通过率、执行次数、失败数与 0–100 健康分，并按 7 天小时级或 30 天日级窗口展示趋势。权限分为 Admin、Team Lead、Editor、Executor、Viewer 五级，应用归属唯一团队。
#教程/实践
AWS Machine Learning BlogAI 评分2929 AWS Machine Learning BlogAI 评分3636 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4343 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 迁移做成可重复流程：共享技能文件 php-to-java-migration 与 php-model-discovery 驱动八阶段、以对等性验证为准的流水线。同一套技能文件既可在 Kiro 中交互式逐应用执行，也可交给 AWS Transform 以智能体方式并行处理多个应用。
AWS Machine Learning BlogAI 评分5050 MoEngage 如何用 AgentCore Gateway 将 400 多个 API 转为智能体工具
MoEngage 借助 Amazon Bedrock AgentCore 的 AgentCore Gateway，把约 400 个 VPC 私有 REST API 转成按权限限定的智能体工具，节省约六个月平台工程投入，新 API 接入从数天缩短到数小时。其原则是各团队只维护 OpenAPI 规范、不写 MCP 代码，由 AI 平台团队统一负责 MCP 层，全程无公网端点。
AWS Machine Learning BlogAI 评分4444 NVIDIA Nemotron 3.5 Super VL 在 Amazon EKS 与 SageMaker HyperPod EKS 上的智能体部署实践
NVIDIA Nemotron 3.5 Super VL 是 120B 参数 MoE 多模态模型，每 token 激活 12B 参数，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5050 在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 团队介绍了基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台架构与参考实现，采用联邦式运营模型，由中央平台团队提供受治理的共享服务，各业务团队在隔离的 Workstream 单元内自建自管智能体。
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，无需自行构建镜像。
GitHub Blog · AI & MLAI 评分2222 Java Champions 如何用 GitHub Copilot 提升开发效率
三位资深 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的实践。Vlad Mihalcea 借助 Copilot 将 Hypersistence Optimizer 新功能开发从数周缩短到两天，并用 65 篇文章训练自定义技能模仿其写作风格。
GitHub Blog · AI & MLAI 评分3434 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 中打开并继续，保留原有对话、代码改动和工作上下文。VS Code 会加载该会话对应的 worktree，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动编辑、本地运行测试，最后提交并推送到会话关联的 PR。
GitHub Blog · AI & MLAI 评分5050 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，替代此前的 LLM 流水线，用户告警接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98%。该方案先用正则表达式广撒网生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护，在代码推送前就返回结果。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub 博客介绍让 Copilot 了解代码库的四种定制方式：仓库级与路径级自定义指令、封装可重复流程的 agent skills、面向复杂任务的 custom agents，以及连接外部工具和数据的 MCP servers。文中以 Playwright MCP server 为例，演示让 Copilot 在浏览器中手动测试应用功能。
GitHub Blog · AI & MLAI 评分2222 GitHub：AI 正在改变开发者工作，三项技能值得加强
GitHub 提出开发者应对 AI 工作流的三项技能：学会指挥 AI 智能体而非仅使用它，用第二个模型评审 AI 输出并自行判断，以及把省下的实现时间用于理解客户需求、权衡架构取舍和做技术决策。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明第二个模型可评审计划、代码和测试。
GitHub Blog · AI & MLAI 评分5555 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 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或表格。创建时只需在智能体会话中输入 /create-canvas，用自然语言描述要支持的工作流、用户能做什么、智能体能做什么，智能体就会生成界面并在右侧面板打开。