Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和 AWS 开源框架 Strands Agents 构建了多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，效率提升 78%。
#MCP/工具调用
AWS Machine Learning BlogAI 评分5050
Ars Technica · AIAI 评分6464 MCP 智能体间通信协议暴露结构性安全缺陷，Google 等机构智能体受影响
独立研究员 Syed Anas Mohiuddin 的概念验证攻击表明，攻击者可利用 MCP（Model Context Protocol）中的信任缺口，先攻陷目标网络内一个智能体，再通过提示注入向链上其他智能体传播有害指令。
GitHub Blog · AI & ML精选AI 评分6363 GitHub Security Lab 推出基于 Taskflow Agent 的 LLM 自动化 fuzzing 流水线
GitHub Security Lab 的 Antonio Morales 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的 LLM agent 自动化 fuzzing 流水线，只需提供 GitHub 仓库即可自动识别入口点、编写 harness、运行 AFL++、读取覆盖率、改进 harness 并分诊 crash、生成漏洞报告。
推荐理由：作者亲述把写 harness、读覆盖率、分诊 crash 交给 LLM agent 的完整设计，包括覆盖率反馈循环、plateau 停止条件和结构感知变异机制。
GitHub Blog · AI & MLAI 评分3636 读懂 AI 代码、RAG 已死？GitHub Podcast 逐条拆解五大 AI 热点观点
GitHub Podcast 逐条检验五个 AI 领域的热点观点：AI 生成的代码仍需审查，但可按风险分层分配注意力；Skills 并没有杀死 MCP——MCP 提供标准化工具与数据接入，Skills 以 Markdown 打包团队经验，两者互补。RAG 也没有消亡，好的检索能让模型更接近答案、减少 token 浪费，agent、Skills、MCP 与 RAG 可以在同一工作流中共存。