Anthropic 文档：如何用提示词影响 Claude Fable 5.2 的代码归属行为
Anthropic 文档披露，Claude Fable 5.2 对提示词中代码归属的表述高度敏感：在小规模编码任务测试中，提示词未提及归属或把代码库说成他人的，模型倾向沿用现有结构，即使重复代码也照留。若明确告知"代码库是你的"，约半数尝试会合并重复代码，不加这句时不足十分之一。
全部 AI 动态
Simon WillisonAI 评分4646 AWS Machine Learning BlogAI 评分4040 AWS Quick 中技能与智能体如何协同工作
AWS Quick 通过智能体与技能配合完成可重复任务：智能体遵循指令、按需加载技能，并经连接器在用户可访问的数据源上执行操作。技能是可复用的指令集，系统技能支持生成 Word、PowerPoint、Excel、PDF 文档，以及网页浏览、运行代码、深度研究、音视频转写和图像生成。用户可构建自定义智能体并限定其可用的空间、连接器与技能，测试发布后共享给账户内其他用户和群组。
AWS Machine Learning BlogAI 评分4242 基于 Amazon Bedrock AgentCore 的可插拔智能体 AI 框架：七层可组合企业级参考架构
AWS 提出 Pluggable Agentic AI Framework，一套在 Amazon Bedrock AgentCore 上运行、分七层的可组合多智能体参考架构，用于把智能体应用从原型推进到生产规模。
Latent SpaceAI 评分4040 Mihail Eric 谈斯坦福如何教 AI 原生工程：CS146S 课程与 Monaco 的智能体实践
Mihail Eric 在访谈中介绍了斯坦福 CS146S 课程如何改教 AI 原生工程：学生作业从一次性可完成的练习改为向开源项目提交补丁，由维护者评审。他在 Monaco 的团队评估后继续使用 Devin 做代码审查，但因云端环境差异自建智能体工作区，并开发了可调查故障、开 PR 的 Hal。
AWS Machine Learning BlogAI 评分4040 AWS Quick 的智能体原语分类体系：触发器、智能体与能力
AWS Quick 团队提出一套智能体原语分类体系，用 When、What、Who、How 四个问题拆解智能体工作，对应触发器、智能体与能力三类原语。触发器既启动任务也携带指令，智能体被定义为持久、可学习的执行主体，能力则涵盖工具、技能与工作流。该框架多数设计对终端用户不可见，后续文章将介绍其智能体操作系统与后台学习。
AWS Machine Learning BlogAI 评分4040 基于 Amazon ECS Fargate 的无服务器 MCP 服务器：为 AI 智能体提供数据湖访问
亚马逊 NASC 团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器，作为 AI 智能体访问企业数据湖的集中式网关。新增数据集只需一个 JSON 元数据文件，由服务器在下次管道同步时自动发现，无需为每个数据集编写集成代码。该架构支持任意 MCP 兼容客户端，并在 MCP 服务器层集中执行权限控制，测试中端到端交互延迟保持在 15–20 秒。
AWS Machine Learning BlogAI 评分4242 用 Okta Cross App Access 与 Amazon Bedrock AgentCore 管控 AI 智能体访问（上篇）
AWS 发布教程，演示如何用 Okta Cross App Access 与 Amazon Bedrock AgentCore 管控 AI 智能体代用户访问应用。
AWS Machine Learning BlogAI 评分4040 Greenlight Financial 如何在 Amazon Bedrock AgentCore 上构建自主 SOC 方案
Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心（SOC）方案 Luna，每月最多 4,000 起安全与风险案例中逾 90% 无需人工介入即可解决。
AWS Machine Learning BlogAI 评分4242 在 Amazon Bedrock AgentCore 上以安全控制运行远程 Claude Code 会话
AWS 发布示例 sample-remote-coding-agent，演示如何把 Claude Code 作为远程智能体运行在 Amazon Bedrock AgentCore 上，每个任务在独立 microVM 会话中执行并返回 GitHub pull request。
GitHub Blog · AI & MLAI 评分5050 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：通过 .github/copilot-instructions.md 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 中的自定义智能体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。