Amazon Quick 提示词工程基础指南
Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量，适用于自定义智能体、自动化流程和对话式数据分析。文章提出以具体性实现清晰、以业务上下文提升相关性、用示例代替描述等核心原则，并给出 CRISPE 结构化框架，从上下文与约束、角色与职责、意图与输入、步骤与范围等维度组织复杂提示词。
#教程/实践
#教程/实践
今日 3 条AWS Machine Learning BlogAI 评分2222 AWS Machine Learning BlogAI 评分2222 Amazon Quick 各组件提示词工程：模式与陷阱
AWS 发文拆解 Amazon Quick 各组件的提示词写法：Quick Research 需明确目标、受众与范围，并自行拆解子问题、限定数据源；Quick Flows 要写清触发时间、数据源、计算与输出格式，复杂逻辑用编号步骤，并可通过对话迭代修改；Quick Sight 的查询需包含业务问题、指标、维度和可视化偏好。
AWS Machine Learning BlogAI 评分2828 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台，用 AI 智能体从合同 PDF 中提取八个关键字段，并由独立的 Claude Haiku 验证智能体复核，签名识别分歧时由 Amazon Textract 做确定性裁决。
AWS Machine Learning BlogAI 评分2222 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 联合 AWS 生成式 AI 创新中心，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，并选用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与转录文本。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 新手教程：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas（画布扩展）是一种可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，agent 即可生成看板、发布清单或仪表盘等界面。canvas 会保存为扩展，可随项目共享或作为个人扩展复用，社区已通过 Awesome Copilot 分享现成模板。
GitHub Blog · AI & MLAI 评分2222 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以应对包含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态评论块两套体系：代码行高提前精确计算，评论高度则按块惰性测量并锚定到文件、行和侧，避免滚动跳变。
GitHub Blog · AI & ML精选AI 评分7777 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI 智能体写了其中大部分代码，跨 128 个 pull request 增量合入 main，而非一次性切换。
推荐理由：作者以亲历者身份给出把 80 万行运行时迁移到 Rust 的完整工程方法，包括分层策略、跨会话协作与提示词缓存数据。
GitHub Blog · AI & MLAI 评分2828 GitHub 如何用 Copilot 把营销活动运营变成代码
GitHub 日本和韩国市场负责人把活动运营流程交给 GitHub Copilot，用 GitHub Issue 表单、标签触发器和 Actions 工作流搭建自动化管线，活动从单个 Issue 自动完成建站、UTM 链接生成、报名者筛选和收尾清理。
GitHub Blog · AI & MLAI 评分3434 GitHub Copilot 应用新手指南：使用 diff、终端与浏览器面板
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需离开应用即可审查、运行和预览 AI 智能体生成的代码变更。diff 面板以绿红高亮显示增删改行，终端面板可直接运行项目命令并支持多窗口，浏览器面板的 Pick & Polish 工具可选中页面元素并让智能体调整。完成后可直接在应用内接受变更并创建 pull request。
Mistral AIAI 评分4949 Mistral 用 AI 智能体将 4 万行 Fortran 77 迁移至 C++
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 代码迁移为 C++，目标是一个无测试套件、无集中文档的物理储层模拟器。团队先构建数值一致性校验框架，再用 Vibe CLI 调度上百个智能体解析调用树并生成文档，最终采用人工介入的 coder、tester、reviewer 智能体工作流逐模块迁移。