🤖 Mastra观测记忆技术降AI代理成本90%，Amazon Nova自动化履约中心测试
⚡ 记忆压缩砍成本，Nova秒杀物流，Qwen3.5排队开源，一条提示攻破15大模型，印度攒局全球AI春晚，热闹疯了！
AI代理的技术突破正显著加速其在复杂自动化场景的落地应用。Mastra的“观测记忆”技术大幅降低了AI代理的运行成本并提升了长上下文处理能力，这与Amazon利用Nova模型自动化履约中心测试的实践相呼应，共同预示着AI在提升运营效率方面将扮演更核心的角色。
今日 Top 3 头条
- AI技术
Mastra“观测记忆”技术将AI代理成本削减10倍，并在长上下文基准测试中超越RAG
Mastra 推出开源“观测记忆”技术，用于替代传统 RAG 系统。该技术由 Observer 和 Reflector 两个后台代理组成：当未观测消息达到 30,000 tokens（可配置）时，Observer 将对话历史压缩为带日期的观测日志并追加到上下文；当观测日志达到 40,000 tokens（可配置）时，Reflector 重新整理并去重。文本内容压缩比 3–6 倍，工具密集型任务压缩比 5–40 倍。系统在 LongMemEval 基准上使用 GPT-5-mini 得分为 94.87%，使用 GPT-4o 得分为 84.23%，高于 Mastra 自研 RAG 的 80.05%。上下文窗口平均约 30,000 tokens，利用提示缓存可将 token 成本降低 4–10 倍。系统采用纯文本格式，无需向量或图数据库。Mastra 1.0 已集成该功能，并发布 LangChain、Vercel AI SDK 等插件。
来源 ↗ - AI行业新闻
Amazon 如何利用 Amazon Nova 模型实现新履约中心运营准备测试的自动化
亚马逊正通过其创新的 Amazon Nova 模型和 AI 驱动的图像识别方案，彻底改变新履约中心的运营准备测试流程。该技术旨在自动化原本耗时且劳动密集的人工核验，显著提升效率与准确性。过去，新履约中心投运前，需人工检查数千项资产——传送带、货架、工作站、安全设备等——确保其按设计图纸正确安装与配置，这一过程往往耗时数周且易出错。 Amazon Nova 模型借助先进计算机视觉，通过图像与视频数据自动识别、分类并验证这些资产，可发现缺失、错位或不合规之处，将原本数周的人工核验压缩至数日。该技术不仅加快新中心上线速度，还提高核验精度，降低因配置错误带来的潜在运营风险与安全隐患。Nova 模型是亚马逊基于 AWS 机器学习服务（Amazon SageMaker、Amazon S3、Amazon Rekognition）构建的定制方案，彰显其将 AI 与自动化深度融入物流供应链的决心。 这一创新对亚马逊全球物流网络影响深远，尤其在其快速扩张的履约中心体系中。通过自动化运营准备测试，亚马逊得以更高效地扩展基础设施、更快响应市场需求，并为客户提供更可靠的服务。此举进一步巩固了亚马逊在利用 A
来源 ↗
+8 条头条
- 用Einops设计视觉、注意力与多模态张量管道教程
- AI 智能体三级难度解析
- “QuitGPT”活动呼吁用户取消ChatGPT订阅
- 阿里巴巴下一代开源模型Qwen 3.5受关注
- 单一提示词突破15个主流语言模型AI安全防护
- 谁将出席2026年AI影响峰会？查看前往德里的全球科技领袖名单
- 小罗伯特·肯尼迪称美国人需更多蛋白质，其Grok驱动食品网站却持不同意见
- 波士顿动力首席执行官Robert Playter在任职30年后卸任