用 Amazon Bedrock AgentCore 生成演示文稿
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动生成客户 PowerPoint 演示文稿，内部测试中完成时间不到 90 秒。
#RAG
AWS Machine Learning BlogAI 评分3232 AWS Machine Learning BlogAI 评分3232 ShipStation Global 如何基于 Amazon Bedrock AgentCore 打造 AI IT 服务台 Deckhand
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 构建了 Slack 内的 AI IT 服务台 Deckhand，可解答常规 IT 问题、识别报错截图并创建和更新 Jira Service Management 工单。
AWS Machine Learning BlogAI 评分3333 Orca Security 基于 Amazon Bedrock 打造自然语言安全查询 Discovery AI
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了 Discovery AI，可将自然语言问题转换为覆盖 900+ 云模型的 Sonar 查询。相比初始基线，查询成本降低 90%、输入 token 减少 93%、延迟降低 75%，现每天处理数千次查询、响应时间 15 秒。该系统采用 RAG 与 schema 感知查询构建的九阶段流水线。
MIT Technology Review · AIAI 评分2525 将 AI 智能体接入企业知识
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的 agentic AI 项目能进入生产环节，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。生产领先者平均有 61% 的智能体项目走出试点，其知识能力更强，尤其在语义层面。55% 的受访者将数据碎片化列为扩大智能体知识获取的首要挑战。
Mistral AI精选AI 评分6464 Mistral 发布 Agentic Search 检索层，FinanceBench 准确率提升至 3 倍
Mistral AI 发布 Agentic Search，一个面向 AI 系统的多步检索层，通过 search、open、navigate、read、grep 五个工具让模型在复杂文档中查找、翻阅并核验信息。
推荐理由：Mistral 官方披露 Agentic Search 在两个检索基准上的准确率、token 与延迟变化，可据此判断多步检索相对传统 RAG 的收益。