MCP tool design: Practical approaches and tradeoffs
在这篇文章中，我们展示了 MCP 工具设计的错误所在以及如何使用实际的上下文工程方法来修复它。
Introducing Claude apps gateway for AWS
今天，我们宣布推出适用于 AWS 的 Claude 应用程序网关，这是一个自托管控制平面，可为组织提供对 Claude Code 和 Claude Desktop 的访问、成本和策略的单点控制。在这篇文章中，我们将展示如何使用 AWS 上的 Amazon Bedrock 和 Claude Platform 设置和运行适用于 AWS 的 Claude 应用程序网关。
Powering scientific discovery: BYOKG and GraphRAG for intelligent pharmaceutical research
在这篇文章中，我们探讨了基于图的检索增强生成 (GraphRAG) 如何通过将图数据库与生成式 AI 相结合来改变科学研究。通过这种方法，您可以在不损害科学完整性的情况下加速发现过程。
Automatically sort and prioritize your mailboxes by using Amazon Bedrock
在这篇文章中，我们展示了公共部门的组织如何使用由 Amazon Bedrock 提供支持的生成式 AI 解决方案实现电子邮件管理自动化。
Securing Amazon Bedrock AgentCore Runtime with AWS WAF
这篇文章向您展示了解决此问题的两种架构模式。两者都使用面向互联网的 ALB 和 AWS WAF，并通过 VPC 接口终端节点将流量路由到 AgentCore 运行时。模式 1 在 ALB 和 VPC 终端节点之间放置一个 AWS Lambda 代理，让您可以完全控制请求转换。模式 2 直接从 ALB 定位 VPC 终端节点 ENI IP 地址，完全删除 Lambda 跃点。您还将了解如何使用资源策略关闭直接访问后门，以便流量仅流经 AWS WAF。这两种模式均已通过 SigV4 和 OAuth (Amazon Cognito JWT) 身份验证进行了端到端测试。
Manage AI applications on Mac with Jamf’s AI Governance and Amazon Bedrock
在这篇文章中，我们将向您展示如何将 Jamf 的 AI 治理与 Amazon Bedrock 结合使用，为 Mac 机群中的 AI 应用程序配置、部署和验证托管设置。
在这篇文章中，我们将介绍什么是数据集丰富、它与旧主题有何不同，并提供三种迁移场景和分步指导，以便您可以放心地将业务上下文迁移到数据集层。
Data modeling best practices for Amazon Quick Sight multi-dataset relationships
今天，我们很高兴地宣布 Amazon Quick Sight 中的多数据集关系。这项新功能允许您定义 Quick Sight 数据集之间的逻辑关系并在查询时执行运行时联接。您无需提前展平表，而是将每个表保留为其自己的 Quick Sight 数据集，并在 Quick Sight 主题内声明这些数据集如何相互关联。
Data modeling patterns for Amazon Quick Sight multi-dataset relationships
在这篇文章中，我们从概念转向模式。对于每个模式，您将找到表结构、用例、实施步骤和示例 SQL 查询。我们还介绍了需要额外建模步骤的高级场景的解决方法，并总结了当前的限制。
Multi-dataset Topic best practices for Amazon Quick Chat
本文适用于为基于自然语言聊天的探索构建或优化 Quick Sight 主题的数据架构师、商业智能 (BI) 工程师和分析工程师。
Build a serverless image editing agent with Amazon Bedrock AgentCore harness
这篇文章逐步介绍了如何构建一个无服务器图像编辑器，用户可以在其中上传照片，用简单的英语描述编辑内容，并在几秒钟内收到结果。代理在 AgentCore 线束上运行，无需自定义编排代码。我们使用单个部署命令部署完整的解决方案，包括身份验证、加密存储、三个图像编辑工具和一个 React 前端。基础设施是使用 AWS 云开发套件 (AWS CDK) 定义的。
How AWS Finance teams reclaimed hundreds of hours with Amazon Quick
在这篇文章中，我们展示了 AWS Finance 如何使用 Amazin Quick 中的聊天代理和 Flows 来转变其两个最耗时的工作流程。
From Hugging Face to Amazon SageMaker Studio in one click
今天，我们很高兴地宣布 Hugging Face 与 Amazon SageMaker AI 之间的深度链接集成。开发人员现在只需进行一次选择，即可在 SageMaker Studio 中从模型发现到实践实验。
Teaching models to forget: Selective unlearning with Amazon Nova
在这篇文章中，我们介绍了反向直接偏好优化 (rDPO)，这是 Amazon Nova 可自定义内容审核设置 (CCMS) 背后的一种新颖的遗忘技术，并展示了它如何在保持模型质量的同时减少过度偏转。我们还为想要将这些偏好优化技术应用到自己的实验中的客户提供指导。
Run MiniMax models on Amazon Bedrock
在这篇文章中，我们将介绍如何开始在 Amazon Bedrock 上使用 MiniMax 模型，包括这些模型支持的功能、可用的服务层、按需推理如何扩展以处理您的工作负载，以及您可以用来访问它们的不同 API。使用这些模型，客户可以构建代理应用程序、长上下文文档分析管道和软件工程工作流程，所有这些都得到 AWS 的安全和运营保证的支持。
Deploying Multi-Turn RL Infrastructure for Amazon Nova on Amazon SageMaker HyperPod
在本文中，您将在 Amazon SageMaker HyperPod 上使用 Amazon Nova Forge 部署用于多回合 RL 的两阶段基础设施。最后，您将拥有一个事件驱动的管道，当您将数据上传到 Amazon Simple Storage Service (Amazon S3) 时，该管道就会开始训练。训练作业教模型玩 Wordle，这是您自己的 RL 任务的占位符。
Automatically redact PII in images with Amazon Nova
在这篇文章中，我们介绍了一个由 Amazon Nova 指导的多步骤管道，该管道使用其上下文视觉推理来协调互补工具，包括部署在 Amazon SageMaker AI 上用于像素级分割的 Meta 开源 Segment Anything Model (SAM 3) 和用于光学字符识别 (OCR) 的 Amazon Textract。该管道旨在提供全面且合规的 PII 编辑，即使是具有挑战性的边缘情况，例如任意方向的指纹、身份证或车牌。
How Amazon Bedrock catches AI-generated phishing
通过网络钓鱼进行社会工程仍然是发起网络攻击的最常见策略之一。人工智能生成的网络钓鱼电子邮件现在给管理电子邮件系统的安全团队带来了新的挑战，由于其先进性而显着增加了风险。现代社会工程师使用生成式人工智能和开源情报 (OSINT) 来制作数千条独特的消息 [...]
