Auto-Filling SEO Website as a Gift
Launch Your AI-Powered Business and get clients!
Strands代理：基于模型驱动方法的开源SDK，用于构建人工智能代理
我很高兴宣布发布Strands Agents，一个开源的SDK，使用少量代码即可通过模型驱动的方法简化AI代理的构建和运行。Strands支持从简单到复杂的各种用例，并能从本地开发扩展到生产部署。目前已经在AWS团队的生产环境中投入使用，包括Amazon Q Developer、AWS Glue和VPC Reachability Analyzer等。现在，您可以轻松使用Strands创建自己的AI代理。 与需要定义复杂工作流程的框架不同，Strands利用最先进的模型能力——如规划、串联思考、工具调用和反思——让开发者只需定义一个提示和一份工具列表即可创建代理。Strands就像两条DNA链一样，连接模型与工具；模型规划下一步并通过高级推理执行工具。它支持丰富的定制，包括工具选择、上下文管理、会话状态、记忆以及多代理应用。Strands可与Amazon Bedrock、Anthropic、Ollama、Meta等模型配合使用，通过LiteLLM在任何地方运行。 该项目是一个开放的社区， recebendo来自埃森哲、Anthropic、Langfuse、mem0. ai、Meta、PwC、Ragas. io、Tavily等的贡献。示例包括Anthropic的API支持和Meta的Llama API集成。加入我们的GitHub，一起开始吧！ ### 我们的代理之旅 在Amazon Q Developer——一个面向软件开发的生成式AI助手——的开发中，我的团队从2023年初开始构建AI代理，参照ReAct（推理与行动）论文，证明大型语言模型（LLM）能够进行推理和采取行动，比如生成输入以调用API。虽然LLMs最初并非为了扮演代理角色而训练，而是用于自然语言对话，但我们开发了复杂的框架，包含提示指令、响应解析和协调逻辑——这常常导致漫长的调优周期，以便投入生产。 随着LLM在推理和工具使用方面的显著提升，这些复杂框架成为限制迭代速度和灵活性的瓶颈。意识到这一点后，我们创建了Strands Agents，旨在去除协调复杂性，充分发挥现代LLMs的推理和工具使用能力。这一方法将开发时间从几个月缩短到几天或几周，大大加快了投产速度，并提升了用户体验。 ### Strands Agents的核心概念 一个代理由三部分组成：(1)模型、(2)工具和(3)提示。代理自主利用这三者完成诸如回答问题、编码、规划或优化投资组合等任务。模型驱动的方法让模型可以动态指引各步骤和工具的使用，以实现目标。 - **模型**：Strands支持多种灵活模型，包括支持工具调用和流式输出的Amazon Bedrock模型、通过API的Anthropic Claude模型、Llama模型（通过Llama API）、Ollama（适用于本地开发）、OpenAI模型（通过LiteLLM）以及自定义模型。 - **工具**：提供数千个Model Context Protocol（MCP）服务器工具，以及20多个预构建工具（如文件处理、API调用和AWS API交互）。Python函数可通过@tool装饰器轻松封装为工具。 - **提示**：开发者提供自然语言提示，定义任务内容，以及系统提示，用于指导代理行为。 代理会运行一个“代理环”(agentic loop)，不断与模型和工具交互直至任务完成。在每一轮中，LLM接收提示、上下文和工具描述后，决定直接回应、规划、反思，或调用工具。Strands会执行所选工具，并将结果返回给LLM，最终输出完成。 工具支持丰富的定制和复杂操作：它们可以从知识库中检索文档、发起API调用、运行Python代码或提供静态指令。例如： - **检索工具**：在Amazon Bedrock知识库中进行语义搜索，检索相关文档或工具。例如，一个内部的AWS代理会通过检索相关子集，从6000多个工具中筛选出合适的，供模型参考。 - **思考工具**：实现多轮深入分析和自我反思。 - **多代理工具**：支持工作流、图谱和群体代理，协作完成复杂任务。未来还将支持Agent2Agent（A2A）协议。 ### 入门使用Strands Agents 下面是一个用Strands搭建的命名AI助手的简单示例，使用Amazon Bedrock模型、MCP服务器进行领域验证，以及预定义的GitHub工具检查组织名的可用性： ```python from strands import Agent from strands. tools. mcp import MCPClient from strands_tools import http_request from mcp import stdio_client, StdioServerParameters NAMING_SYSTEM_PROMPT = """ 你是一个帮助命名开源项目的助手。 提供可用的域名和GitHub组织名，验证其可用性后提供建议。 """ domain_name_tools = MCPClient(lambda: stdio_client( StdioServerParameters(command="uvx", args=["fastdomaincheck-mcp-server"]) )) github_tools = [http_request] with domain_name_tools: tools = domain_name_tools. list_tools_sync() + github_tools naming_agent = Agent(system_prompt=NAMING_SYSTEM_PROMPT, tools=tools) naming_agent("我需要为一个构建AI代理的开源项目起个名字。") ``` 运行前，请设置你的GitHub令牌为`GITHUB_TOKEN`，确保可以使用Anthropic Claude 3. 7 Sonnet模型（位于us-west-2区域），以及配置你的AWS认证信息。安装命令： ``` pip install strands-agents strands-agents-tools python -u agent. py ``` 你将获得项目名建议及其可用性验证。 Strands MCP服务器与诸如Q Developer CLI的AI辅助开发工具集成良好。例如，在MCP配置中加入如下内容： ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### 在生产环境部署Strands Agents Strands设计考虑到生产需求，提供灵活的部署架构。你可以在本地、API后端（利用AWS Lambda、Fargate或EC2）或作为分布式系统运行，将代理环和工具执行环境分离。例如，工具可在Lambda中运行，代理在容器中运行；或者客户端在本地处理工具，与后端代理通信。 此外，Strands还支持通过OpenTelemetry（OTEL）实现可观测性与监控，提供详细的追踪、指标和遥测数据，覆盖分布式系统中的代理会话。 ### 加入Strands Agents社区 Strands Agents采用Apache 2. 0开源协议，期待贡献者加入，支持模型和工具，开发新功能或完善文档。如果你发现BUG或有建议，欢迎在GitHub上参与，共同打造未来的AI代理！
Brief news summary
Strands Agents 是一个开源SDK，旨在通过模型驱动、低代码的方法简化AI代理的开发。它支持不同复杂程度的项目，确保从本地开发到生产的无缝转变。得到了AWS团队如Amazon Q Developer和AWS Glue的信任，利用现代大语言模型的原生推理和工具使用，避免了复杂的编排。开发者通过定义提示、工具和模型来构建代理，集成诸如Amazon Bedrock、Anthropic、Meta和Ollama等提供商。该SDK将模型与API、知识检索和Python函数相连接，使代理能够在多代理工作流程中进行规划、行动和协作。根据Apache 2.0许可证，Strands拥有不断成长的社区，包括Accenture、Anthropic、Meta和PwC，提供参考实现、部署工具包、广泛的架构支持以及基于OpenTelemetry的监控能力。其模型上下文协议服务器进一步增强工具集，加快AI代理的开发速度。加入GitHub社区，即刻开始使用Strands Agents进行构建。
AI-powered Lead Generation in Social Media
and Search Engines
Let AI take control and automatically generate leads for you!
I'm your Content Manager, ready to handle your first test assignment
Content Maker
Last news
The Best for your Business
Learn how AI can help your business.
Let’s talk!
借助量子纠缠和区块链技术，我们终于可以生成真正的随机数
开玩笑说爱因斯坦，但他对量子理论肯定是错的——它不仅经受住了考验，还在计算、生物学、光学甚至赌博等领域展现出了巨大价值。令人感兴趣的是，它现在可能会彻底革新掷骰子的方法。 科罗拉多大学博尔德分校和国家标准与技术研究院（NIST）的研究人员在一篇最新论文中指出，随机性对数字安全和公平资源分配至关重要。然而，在物理世界中实现真正的随机几乎是不可能的。“真正的随机性是没有任何事物能提前预测的，”NIST物理学家克里斯特·沙姆（Krister Shalm）解释道。这也意味着像掷骰子和许多计算机生成的“随机”数字，往往可以被预测，因此不是真正的随机。 量子物理为我们提供了一种解决方案。以双缝干涉实验为例：这是一个经典的基础性演示，通过两个缝隙的光束会形成难以预测的干涉图案。不同于经典力学中的确定性，粒子的位置是概率性的，展现出纯粹的量子随机性。借助贝尔测试——一种排除经典解释测量相关性的方法，可以验证量子随机性。沙姆指出，利用这些相关性可产生“宇宙允许的最佳随机数发生器”。但如何验证这种随机性的真实性呢？ 验证非常困难，因为许多看似随机的序列实际上并非真正随机，而真正的随机性往往违反直觉。解决办法是采用一种先进的无漏洞贝尔测试，测量成对光子之间的相关性，同时排除任何经典伪装。2018年，NIST用此技术生成了可验证的随机数。NIST的数学家彼得·比尔霍斯特（Peter Bierhorst）称此为一种“可靠的保险措施”，确保没有人能预测出这些数字。与可预测的抛硬币不同，量子随机性产生的统计相关性具有量子系统的独特特征。 尽管这种方法效果显著，但操作复杂、速度缓慢，且极度依赖单一信源——一旦被篡改，几乎无法检测到。对此，合著者高塔姆·卡武里（Gautam Kavuri）提倡一种“非常偏执”的方式以确保随机性——即如此坚固，以至于伪造它都需要超越光速的通信。 于是，科罗拉多大学随机性信标（CURBy）应运而生。这是由NIST和科罗拉多大学博尔德分校共同开发的一种强大工具，旨在将量子随机性带出实验室，成为公众的共享资源。CURBy每分钟生成约1500万次随机数，经过处理后在不到七分钟内产出512个随机比特——这相当于2^512（一个155位数）可能的结果。NIST称之为“宇宙最好的抛硬币”。 然而，生成随机数只是开始，验证它们同样至关重要。团队开发了Twine协议，这是一种将哈希链交织到哈希图中的复杂区块链变体。每一个新的数据块（代表随机数生成的步骤）都经过密码学链接到之前的块，使得未被察觉的篡改变得极其困难。而且，Twine还将来自多个独立链的哈希交叉连接，形成一个有向无环图（DAG）。任何在某一链上的恶意篡改都将破坏整体的一致性，使得伪造几乎不可能不被发现。 这个相互连接的网络随着更多独立方加入而变得更加强大。CURBy通过公共网站发布随机数，任何人都可以验证数据的完整性。研究助理贾斯珀·帕尔弗里（Jasper Palfree）形容它为“一幅信任的织锦”，是“每个人都在贡献但没有任何个人控制的随机性网络”。 如此开放和规模化的机制非常适合用在陪审团抽选、公共抽奖等场景，确保公平和透明。这一方案也融合了实用性和复杂的量子物理挑战。正如卡武里所言：“NIST是一个你能够追求那些雄心勃勃的项目的地方，同时这些项目也能带来实用的成果。”
Meta对Scale AI的148亿美元投资引发反垄断担忧
Meta，前身为Facebook，已向专注于数据标注服务的创业公司Scale AI投资了148亿美元。这是Meta第二大投资，凸显其在推动人工智能能力方面的战略重点。然而，此交易也引发了有关科技行业做法的担忧，尤其是“收购以雇用”（acquihire）策略，可能规避反垄断执法的风险。 在协议中，Meta获得了Scale AI49%的非投票股份，赋予其重大经济利益，但不直接控制决策。此外，Scale AI的首席执行官Alexandr Wang已加入Meta，并继续在Scale的董事会任职，但对公司运作的访问权限受到限制，似乎设计为避免触发正式的反垄断审查。 尽管采取了这些措施，交易仍受到监管机构的关注，他们担心此举可能影响市场竞争。批评人士认为，此类交易可能进一步巩固Meta在竞争激烈的人工智能行业中的主导地位。反垄断的积极倡导者伊丽莎白·沃伦参议员反对Meta和Scale AI的投资，呼吁展开调查，担心这一投资可能非法扩展Meta的市场力量，尽管超出了传统监管范围。 此外，这笔交易还影响行业格局：据报道，Google——一个关键的AI竞争对手，在Meta介入后停止了与Scale AI的合作，这意味着Scale可能会失去客户，因为合作伙伴对与Meta关联的公司持谨慎态度。这反映出与重大AI基础设施与人才投资相关的竞争敏感性上升。 这一发展折射出科技投资战略在不断变化的监管环境中的广泛转变。在特朗普总统执政期间，科技合作伙伴关系的监管环境较为宽松，允许通过收购增强能力而无需经过严格的反垄断审查。而在拜登总统执政下，联邦贸易委员会表现出更强的警觉，开始调查涉及亚马逊和微软的类似交易，以限制市场的集中。 尽管FTC尚未对Meta与Scale AI的交易采取决定性行动，但司法部对Meta更广泛商业行为的调查仍在进行，且随着立法压力日增，监管部门对垄断行为的打击势必加剧。这些法律和政治动态将使此次投资成为加强反垄断执法、维护市场竞争和遏制市场垄断的一个潜在焦点。 总之，Meta对Scale AI的重大投资标志着一个关键的转折点，涉及企业战略、监管监管和竞争平衡等复杂问题，在不断变化的AI领域中尤为重要。随之而来的监管和政治反应，可能会指示未来反垄断措施将如何应对类似交易，从而影响数字经济中的创新与竞争。
美国众议院批准区块链发展法案
星期三，美國眾議院以279票贊成、136票反對的重要投票通過了《21世紀金融創新與技術法案》（FIT21）。這一跨黨派的支持標誌著加密貨幣行業的一個重要里程碑，也代表著數字資產在立法上取得的迄今為止最重大勝利。許多眾議院民主黨人跨越黨派支持該法案，反映出市場對更清晰監管的強烈需求。FIT21是首次通過其中一院的主要加密貨幣立法。下一個障礙是參議院，該法案的未來仍不確定。與眾議院不同，參議院尚未提出對應的法案，而且對類似措施的支持程度也尚不明朗。此外，相關參議院委員會並未對加密貨幣投入與眾議院同等的關注，使法案前景更添變數。以眾議院共和黨人為主要推動力量，此法案旨在建立美國加密市場的監管框架，包括消費者保護措施，並將商品期貨交易委員會（CFTC）作為數字資產的主要監管機構，特別負責非證券現貨市場。法案還試圖明確證券與商品在加密貨幣方面的界線。眾議院金融服務委員會的資深民主黨議員马克辛·沃特斯（加州D）批評此法案，認為它將允許加密企業規避現有的證券法律。她指出這些公司已從被她描述為非法活動中獲利豐厚，認為該法案實質上是合法化這些行為。在投票前，眾議院對幾項由德克薩斯州D的葛雷格·卡薩（Greg Casar）、科羅拉多州D的布里塔妮·佩特爾森（Brittany Pettersen）、南卡羅來納州R的拉爾夫·諾曼（Ralph Norman）以及賓夕法尼亞州R的斯科特·佩里（Scott Perry）提出的修正案進行了辯論。卡薩提出將眾籌豁免金額從7500萬美元降至500萬美元的修正案被否決，其他幾項建議則獲得采納。這一立法動態發生在集中式加密貨幣平台主導區塊鏈相關併購的時期。根據GlobalData的2024年區塊鏈技術報告，與區塊鏈相關的併購活躍度提高，到2023年，併購交易占所有科技領域併購的3
谷歌计划在Meta收购期间与Scale AI断绝合作
谷歌计划终止与领先的数据标注创业公司Scale AI的合作关系，此举紧随Meta近期收购该公司49%股权之後。此次战略投资将Scale AI的估值定为290亿美元，已引发AI行业对数据安全和竞争优势的担忧。2024年，谷歌为Scale AI的数据标注服务投入了约2亿美元，而这些服务构成了Scale今年预计8
Circle的原生USDC正式上线全球区块链
6月11日星期三，公司宣布Circle的USDC和升级版的跨链转账协议（CCTP V2）已正式在World Chain上线。 对于那些可能认为USDC已在World Chain上可用的用户，公告澄清道：“在World上，已经有近两百万用户在其World应用钱包中持有桥接的USDC。此次升级的关键在于，USDC现在是原生的，由Circle直接发行。World Chain具有全球唯一性，拥有超过160个国家的超过2700万用户。” Circle之后将World Chain上的所有桥接USDC转换为原生USDC，该公司表示，所有USDC均由“高度流动的现金及现金等价物资产”完全支撑。 “这次无缝升级提供了一个受监管、被全球用户和开发者信赖的数字美元，”World在声明中补充。 随着CCTP V2的推出，在支持的区块链之间转移USDC变得更加快速且成本更低，使开发者、企业和消费者能够“快速便捷地转移资金，充分利用DeFi的组合性”。 该公告指出，平台上的超过2700万用户现在可以使用受监管的数字美元进行区块链交易，同时开发者也有机会将USDC直接集成到World App Mini Apps，并访问全球分布式的区块链网络。 此消息正值Circle刚在上周在纽约证券交易所首次公开募股的重要时期。IPO之后，Circle的股价从每股31美元（已高于预期范围）猛升至收盘的83
谷歌搜索的人工智能模式：革新用户互动
谷歌宣布推出一项创新的AI模式，旨在改变用户与线上信息的交互方式。该功能标志着搜索技术的一大飞跃，通过整合先进的自然语言理解和上下文感知的回应，提供更丰富、互动性更强、精准度更高的搜索结果。 传统上，搜索引擎依赖关键词匹配和排名算法来提供相关链接。而AI模式则超越了这一方法，通过理解用户意图和查询的语境细节，提升搜索的智能化水平。它的核心是一个复杂的自然语言处理系统，能够解读复杂的问题并提供整合的答案，满足用户的多样需求，减少浏览多个网页的步骤。交互式元素进一步增强了信息的清晰度和用户的参与感。 AI模式的一个关键特点是其上下文感知能力，能记住搜索会话中的对话流程。这使用户可以提出后续问题或寻求更多细节，而无需重复先前的内容，模拟人类般的交互方式，让搜索过程更直观、更高效。 此外，AI模式还能通过整合多个来源的信息提供对话题的不同视角，促进批判性思维和理性决策，特别是在新闻、健康、科技等存在多种观点的领域中尤为有价值。 此次推出展示了谷歌将人工智能融入用户体验的决心。通过机器学习和大规模数据分析，搜索引擎不断优化其对语言模式和用户行为的理解。 早期用户反馈显示，体验更具吸引力和信息丰富性，用户可以在无需浏览众多网页的情况下获得全面的答案，节省了时间和精力。除了普通网页搜索之外，AI模式还预计会支持教育、专业研究和休闲咨询等多种应用，因为它能提供互动性强、细节丰富的响应，满足不同用户群体的需求。 虽然带来诸多优势，谷歌也承认面临谣言和偏见等挑战。公司正努力确保回复的准确性、公正性和透明度，采用严格的验证机制以减少错误。 隐私和数据安全依然是首要关注点，谷歌强调负责任的数据处理方式，遵守严格的隐私标准，以保障用户在AI互动中的个人信息安全。 总体而言，AI模式代表了搜索技术的持续演进，人工智能正逐步扮演核心角色。随着用户逐渐习惯更具对话性和上下文敏感的数字助手，像AI模式这样的功能正设定新的信息获取和使用标准。 总之，谷歌的AI模式将通过融合自然语言理解、上下文感知和互动回应，彻底改变传统搜索方式。这一创新彰显了谷歌在AI驱动技术领域的领导地位，同时也展现了其提升全球信息可访问性和质量的决心。随着AI模式的全面推广，它有望重新定义知识搜索，让线上搜索变得更具动感、深刻且用户友好。
Il Foglio 将人工智能应用于新闻业，使用 ChatGPT 生成内容
意大利著名报纸《Il Foglio》在编辑克劳迪奥·切拉萨的领导下，开启了一项创新的实验，将人工智能融入新闻行业。一个月内，这份报纸每天刊登由OpenAI的先进语言模型ChatGPT生成的四页插页。虽然内容由AI制作，但由人类记者仔细审核和编辑，以确保其准确性、一致性和编辑标准。对AI生成页面的透明标记，解决了公众对AI在媒体中日益增长角色的担忧，也使《Il Foglio》成为负责任使用技术的先驱。 这项举措旨在探索AI如何支持而非取代记者。实验展示了AI在总结大量信息、进行研究和将数据整合成清晰叙事方面的价值。这种辅助帮助记者节省了大量例行工作的时间，让他们能够专注于更具创造性和复杂性的报道。切拉萨强调，AI应充当助手，负责管理重复性任务，但不具备人类在访谈和调查中所需的原创思想、直觉和细腻理解能力。 在试验之后，《Il Foglio》承诺在特定栏目中定期加入AI生成的内容，例如虚构对话和评论——这些创意类内容在编辑指导下受益于AI风格多样性。这种平衡的方法既促进创新，又维护了新闻的完整性和质量。 切拉萨还警告不要滥用AI以降低成本，导致减少记者人数，并损害新闻的原创性和深度——这对媒体的公信力和公众信任极为不利。相比其他一些未披露AI内容或 oversight 不充分而出现错误的媒体，《Il Foglio》对AI的公开、周到应用提升了其信誉，也为伦理科技整合树立了标杆。 总之，意大利《Il Foglio》在新闻行业中的创新使用AI，展现了一条积极的路径。它利用科技提升报道能力，同时保护人类无法替代的洞察力和创造力。通过平衡创新与新闻价值，《Il Foglio》为未来新闻行业在AI推动的世界中如何责任使用技术提供了借鉴，也为面临挑战的新闻机构树立了典范。
Auto-Filling SEO Website as a Gift
