Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #6465

AgentCore memory

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

6

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Cisco повысила квалификацию 1 200 инженеров в агентном ИИ с помощью AWS AI League на Transformation Fest 4.0

В 2026 году Cisco провела AWS AI League на Cisco Transformation Fest 4.0, в котором приняли участие около 1 200 инженеров: практические задания по агентному ИИ и кастомизации моделей выполнялись с использованием Amazon Bedrock AgentCore, Amazon SageMaker Studio и других сервисов AWS; финалисты соревновались в прямом эфире, а победитель получил пропуск на AWS re:Invent 2026. Программа строилась по формату «учись–создавай–соревнуйся» с автоматической системой оценки и защитными механизмами.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock AgentCore: три стратегии для снижения токен‑расходов и задержки при больших JSON‑нагрузках агентов

Amazon описывает три составных стратегии, применённые в production‑агенте Flightscape (Training Schedule Optimization) на Amazon Bedrock AgentCore, чтобы не передавать многоМб JSON‑данные напрямую в контекст LLM. Используя гидрацию/дегидрацию состояния в AgentCore memory и S3, сохранение больших результатов инструментов в S3 с компактными ссылками и постраничной выборкой (get_result_page_tool) и суммаризацию больших артефактов, они добились сокращения потребления токенов до 71% и уменьшения средней задержки до 80% на тестовом payload 23 МБ; сопроводительный код размещён на GitHub.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock Managed Knowledge Base получила интеграцию памяти AgentCore через AgenticRetrieveStream

Amazon описывает опциональную интеграцию, позволяющую Managed Knowledge Base Bedrock использовать память AgentCore как источник извлечения при добавлении memoryConfiguration в AgenticRetrieveStream. Функция сохраняет беседы, извлекает долговременные факты, подбирает релевантную память для каждого пользователя вместе с поиском по документам (с учётом ACL) и сохраняет ход диалога в память; в статье приведён пример мультитенантного приложения с Cognito, ACL в S3 и управлением через IAM.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Блог AWS: руководство по созданию контекстно-осведомлённого помощника с OpenClaw на AgentCore

В руководстве показано, как создать персонального помощника с долговременной памятью (пример — «Sprout» для садоводов), используя OpenClaw вместе с Amazon Bedrock AgentCore runtime и AgentCore memory; развёртывание упаковано в единый CloudFormation-шаблон. В статье описана архитектура, оценка затрат по модели потребления, необходимые компоненты (включая доступ к Claude Haiku 4.5 / Claude Sonnet 4.5) и способ быстрого развёртывания.

7.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock AgentCore добавляет Evaluations для оценки полезности и объяснимости мульти‑агентов

Amazon представляет Amazon Bedrock AgentCore Evaluations — полностью управляемую функцию для оценки производительности мульти‑агентных систем с встроенными и настраиваемыми оценщиками по показателям полезности, успешности задач и объяснимости, а также показывает интеграцию с Bedrock Guardrails для защиты во время выполнения. В публикации приведена эталонная реализация на Strands Agents SDK с оркестратором и специализированными суб‑агентами, Bedrock‑рантаймами и MCP Server на примере сценария цепочки поставок.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Reactiv автоматизирует обновления мобильных приложений через Amazon Bedrock AgentCore, сократив время настройки на 80%

Reactiv сообщает, что создала трёхагентный AI‑Scheduler на базе Amazon Bedrock AgentCore и Strands Agents SDK для автономного обновления нативных приложений продавцов на Shopify; по их данным это сократило время конфигурации продавцов на 80% и ускорило выход в продакшен на 33%. Решение использует AgentCore runtime, memory и identity для управляемого выполнения агентов, персистентной памяти на каждого продавца и нативного хостинга Config MCP.

5.0