用 Amazon Bedrock AgentCore 构建自改进文档处理系统
基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可自动分类、提取、校验并从业务文档中学习，新文档类型无需手动配置模板，部署通常 20 分钟内完成。
#RAG
AWS Machine Learning BlogAI 评分4040
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 生成演示文稿
基于 Amazon Bedrock AgentCore 搭建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中完成一份耗时不到 90 秒。
AWS Machine Learning BlogAI 评分3434 Orca Security 基于 Amazon Bedrock 打造自然语言安全查询 Discovery AI
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI，可将自然语言问题转换为 Sonar 查询。
AWS Machine Learning BlogAI 评分3434 ShipStation Global 如何在 Amazon Bedrock AgentCore 上构建 AI IT 服务台 Deckhand
ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand，可回答常规 IT 与公司问题、识别报错截图并创建和更新 Jira Service Management 工单。
MIT Technology Review · AIAI 评分2222 MIT 报告：如何把 AI 智能体接入企业知识
MIT Technology Review 基于 300 位数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识、上下文与遗留数据系统是主要失败点。生产领先者（平均 61% 项目越过试点）在语义知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业将优先投资摄取管道、AI-ready API、RAG、AI 评估智能体与知识图谱。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search，用多步检索循环提升复杂文档搜索准确率
Mistral 发布 Agentic Search，作为检索层让模型在复杂文档中查找、阅读并核实信息，通过 Mistral Search Toolkit 和 Studio、Vibe 中的 Libraries 提供。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断传统 RAG 的改进空间。