由于 Palantir Technologies 超出预期并提高了前景，PLTR 股价在收入增长 85% 后飙升。 Palantir 的股价超过了 Nvidia (NVDA)、AMD (AMD) 和 Intel (INTC)。 Palantir 的美国业务增长了一倍多，2026 年第一季度收入飙升 85%。随着指导值提高到 76.5 亿美元，利润率会让大多数软件同行感到尴尬，本季度需要对 Palantir 的实际情况进行反思。
How Baz improved its AI Agent Code Review accuracy using Amazon Bedrock AgentCore
本文介绍了 Baz 如何使用 Amazon Bedrock 和 Amazon Bedrock AgentCore 构建其 Spec Review 代理。我们将介绍架构决策、实施细节以及他们通过利用这些 AWS 服务自动化代码审查流程所实现的业务成果
158th Fighter Wing Family Continues Memorial Day Tradition During Deployment
每到阵亡将士纪念日，米尔顿消防局通常都会回响达伦·亚当斯 (Darren Adams) 的声音，他是佛蒙特州空军国民警卫队第 158 战斗机联队的成员，他在社区发表年度讲话。但今年，随着她的父亲被派往海外美国中央司令部（CENTCOM），一个新的声音登上了讲台：他的女儿布鲁克。
AgentOps: Operationalize agentic AI at scale with Amazon Bedrock AgentCore
当您构建代理 AI 解决方案时，您会面临独特的运营挑战。代理会做出不可预测的决策，成本会意外上升，并且调试非确定性故障似乎是不可能的。代理人工智能应用程序不仅仅执行预定的工作流程。他们推理、适应并做出自主决策，并且 DevOps 实践需要进行调整。这就是 AgentOps 的用武之地，它是在生产中部署、管理和持续改进 AI 代理的操作规程。
Enable safe agentic payments with built-in guardrails using Amazon Bedrock AgentCore payments
在这篇文章中，我们解决了设计代理支付系统时出现的几个关键风险，以及如何使用 AgentCore 支付功能来解决这些风险。
Building AI agents for business support using Amazon Bedrock AgentCore
在这篇文章中，我们将分享 AWS 生成式 AI 创新中心 (GenAIIC) 如何与 Works Human Intelligence (WHI) 合作使用 Amazon Bedrock AgentCore 构建两个 AI 代理。我们讨论了遇到的挑战以及在提高运营效率的同时降低成本高达 97% 的解决方案。
Build a test suite that grows with your agent with dataset management in Amazon Bedrock AgentCore
当您将快速移动的在线信号与稳定的离线基线相结合时，代理评估最为强大。要了解您的代理是否真正随着时间的推移而改进，您需要一个固定的基准以及不断变化的现实世界流量。将评估基线的测试用例作为 Amazon Bedrock AgentCore 中的数据集进行管理，带来了版本化测试装置的规范 [...]
Fort Irwin shines a light on volunteers strengthening the community
加利福尼亚州欧文堡 — 安装领导，包括准将。国家训练中心（NTC）司令布兰登·安德森将军和Comma...
Build highly scalable serverless LangGraph multi-agent systems in AWS with Amazon Bedrock AgentCore
在这篇文章中，我们提供了一种解决方案，可使用 LangGraph Agents 作为与 Amazon Bedrock AgentCore Memory 和 Amazon Bedrock AgentCore Observability 集成的编排器，在 AWS 上构建高度可扩展的无服务器多代理生成式 AI 系统。
Technical deep dive: AgentCore payments and innovation in agentic commerce
Amazon Bedrock AgentCore 支付现已推出预览版，它提供对付费外部服务的即时付款，无需为每个提供商进行手动计费设置，稳定币支持具有成本效益的微交易，使低于美分的交易在经济上可行，并且可配置的支出护栏使您可以对代理预算和交易限制进行细粒度控制。在这篇文章中，我们将带您深入了解 AgentCore 支付的技术。
在这篇文章中，您将学习如何构建一个多代理活动审核系统，该系统使用集成架构（结合了 NVIDIA NIM 进行 GPU 加速推理）来演示并行推理、上下文持久性和可追踪执行路径。 Amazon Bedrock AgentCore 提供托管运行时、共享内存和内置可观察性，Strands Agents 提供无服务器多代理编排。此方法支持生产环境中的性能、可扩展性和操作洞察力。虽然该示例侧重于营销内容审核，但相同的模式也适用于数字助理、审核自动化和检索增强生成管道。
U.S. Launches “Defensive Strikes” in Iran Targeting Mine-Laying Boats and SAM Sites
美国对伊朗进行了新的袭击，目标是两艘正在布设水雷的伊朗革命卫队船只和一个地对空导弹基地，中央司令部将此次袭击描述为自卫。美国军方于 2026 年 5 月 25 日对伊朗发动了新的打击，美国中央司令部 (CENTCOM) 称这是自卫。根据声明，目标 [...]
Break the context window barrier with Amazon Bedrock AgentCore
在本文中，您将了解如何使用 Amazon Bedrock AgentCore Code Interpreter 和 Strands Agents SDK 实施递归语言模型 (RLM)。最后，您将了解如何在上下文大小没有上限的情况下处理不同长度的文档，使用 Bedrock AgentCore Code Interpreter 作为迭代文档分析的持久工作内存，以及在沙盒 Python 环境中编排次大语言模型 (sub-LLM) 调用来分析特定文档部分。
Build AI-powered dashboard automation agents with NLP on Amazon Bedrock AgentCore
该解决方案结合了 Amazon Bedrock AgentCore、Strands Agents 和 Amazon Quick 转换的强大功能，提供安全、可扩展的智能系统，用于构建和操作 AI 代理，同时将数据转换为可操作的业务洞察。
Extending conversational memory in Kiro CLI using Amazon Bedrock AgentCore Memory
在这篇文章中，我们将演示如何通过实施与 Amazon Bedrock AgentCore Memory 集成的自定义模型上下文协议 (MCP) 服务器来扩展 Kiro CLI 的会话内存。您可以使用 Kiro CLI 直接从终端与 Kiro 的 AI 代理进行交互。 Amazon Bedrock AgentCore Memory 是一项完全托管的服务，允许 AI 代理保留过去交互中的信息，从而创建更加智能和上下文感知的对话。通过实施自定义 MCP 服务器，您可以为 Kiro CLI 提供工具来存储和检索对话上下文、监控内存使用情况以及管理底层 Bedrock Agent 核心内存基础设施。
Agents that transact: Introducing Amazon Bedrock AgentCore payments, built with Coinbase and Stripe
今天，我们宣布推出 Amazon Bedrock AgentCore Payments 预览版，这是 Amazon Bedrock AgentCore 中的一组新功能，使 AI 代理能够立即访问并为其使用的内容付费。 AgentCore Payments 是与 Coinbase 和 Stripe 合作开发的。
Secure AI agents with Amazon Bedrock AgentCore Identity on Amazon ECS
生产中的 AI 代理需要安全访问外部服务。 Amazon Bedrock AgentCore Identity 作为独立服务提供，可保护您的 AI 代理访问外部服务的方式，无论它们是在 Amazon ECS、Amazon EKS、AWS Lambda 等计算平台上还是在本地运行。本文使用安全会话绑定和范围令牌在 Amazon ECS 上实现授权代码授予（三足 OAuth）。
Introducing agent quality optimization in AgentCore, now in preview
根据生产跟踪生成建议，通过批量评估和 A/B 测试对其进行验证，然后放心发货。在发布时表现良好的人工智能代理不会一直保持这种状态。随着模型的发展，用户行为发生变化，提示会在从未设计过的新环境中被重用。代理质量悄然下降。在大多数团队中，改进 [...]
