Arduino 官方发文介绍了 UNO Q 开发板双架构（Linux MPU 与 STM32H5 微控制器）的实际应用场景。文章列举了在板载 Linux 上运行 AI 编码智能体、Home Assistant、n8n、Pi-hole、Frigate 和本地 NAS 等六个具体用例。这种架构允许在本地处理复杂逻辑的同时，通过微控制器直接进行实时的物理硬件控制。
推荐理由：原文通过六个具体用例展示了双架构开发板的潜力，为开发者将边缘计算、AI 智能体与物理自动化结合提供了实践参考。
Arduino 联合开发者推出了基于 UNO Q 开发板的开源 AI 桌面机器人 Nuvi，并开放了完整的 3D 打印文件与代码教程。该机器人利用 UNO Q 的双核架构，在 Linux 侧运行 AI 流程与 Piper 端侧语音引擎，在微控制器侧处理舵机与传感器等物理控制。Nuvi 接入了 Gemini 模型处理对话，支持手势识别与智能家居控制，核心体验无需联网即可独立运行。
推荐理由：本文提供了一个基于 Arduino UNO Q 的桌面 AI 机器人完整开源方案，展示了如何利用双核架构在端侧部署语音交互与硬件控制。
AWS 官方发布了使用 AWS IoT Greengrass Component SDK for Rust 在资源受限的边缘设备上构建 AI 智能体的实践指南。
推荐理由：原文详细解析了在资源受限的边缘设备上部署 AI 智能体的架构设计，并提供了完整的代码示例与部署指南。
AWS 官方博客提供了一项利用 AI 智能体自动编排大规模 IoT 设备固件更新的实践教程。该方案结合 AWS IoT Jobs 与 Anthropic Claude Haiku 4.5 模型，使智能体能够根据设备风险配置和生产窗口动态规划部署波次。在更新过程中，智能体会实时监控设备健康状态，并根据连接丢失或无限重启等具体失败类型自主决定继续、暂停或回滚。
推荐理由：原文提供了一种利用 AI 智能体结合云服务实现大规模 IoT 设备固件更新自动化的实践方案，读者可参考其波次规划与回滚逻辑优化设备管理流程。
AWS 官方博客发布教程，介绍如何在 Raspberry Pi 上部署 Strands Agents 作为 AWS IoT Greengrass 组件，构建边缘 AI 智慧农业系统。该方案通过在本地设备运行智能体来读取传感器和编排任务，仅在需要视觉分析时调用 Amazon Bedrock，从而降低网络延迟并提高离线可用性。文章提供了完整的架构设计、部署脚本及企业级扩展建议。
推荐理由：本文提供了一套基于 AWS IoT Greengrass 和 Strands Agents 的边缘 AI 部署方案，展示了如何在本地设备上编排智能体以降低延迟。
AWS IoT Core 推出 Direct Messaging 功能，支持服务器到设备的点对点通信。该功能绕过传统的 Pub-Sub 订阅匹配层，利用现有 MQTT 连接直接向特定设备发送消息，并支持 QoS 1 级别的端到端交付确认。这不仅降低了一对一通信的成本，还通过详细的 HTTP 响应码提供了即时的离线设备反馈，且无需修改设备端固件。
推荐理由：原文详细说明了该点对点通信功能的配置方法与成本优势，开发者可据此优化服务器到单设备的指令下发架构。
AWS 发布教程，介绍如何利用 AWS IoT Greengrass 和 Strands Agents 在边缘设备上规模化部署小型语言模型。该方案结合 Ollama 的本地推理与多智能体编排能力，以 OPC-UA 工业协议为例，展示了在受限硬件上实现离线设备状态查询与文档检索的完整流程。开发者可通过提供的模板快速构建混合云与边缘计算的 AI 智能体系统。
推荐理由：原文提供了利用 AWS IoT Greengrass 在边缘设备部署小型语言模型与智能体的完整教程，适合工业物联网场景下的本地推理实践。