Demystifying Amazon Bedrock Pricing for a Chatbot Assistant
在这篇文章中，我们将通过一个实用的现实世界示例的镜头来查看亚马逊基岩的价格：构建客户服务聊天机器人。我们将分解基本的成本组件，仔细研究中型呼叫中心实施的容量计划，并在不同的基础模型上提供详细的定价计算。
The DIVA logistics agent, powered by Amazon Bedrock
在这篇文章中，我们讨论了DTDC和Shellkode如何使用Amazon Bedrock构建Diva 2.0，这是一种生成的AI驱动物流代理。
Automate enterprise workflows by integrating Salesforce Agentforce with Amazon Bedrock Agents
这篇文章探讨了实用的合作，将Salesforce Force与Amazon Bedrock Agents和Amazon Redshift集成，以使Enterprise Workflows自动化。
How Amazon Bedrock powers next-generation account planning at AWS
在这篇文章中，我们分享了我们如何构建帐户计划脉冲，这是一种生成的AI工具，旨在使用亚马逊基岩（Amazon Bedrock）简化和增强帐户计划过程。 Pulse减少了审核时间，并提供了可行的帐户计划摘要，以便于协作和消费，从而帮助AWS销售团队更好地为客户服务。
Pioneering AI workflows at scale: A deep dive into Asana AI Studio and Amazon Q index collaboration
今天，我们很高兴地宣布Asana AI Studio与Amazon Q Index的集成，将Generative AI直接带入您的日常工作流程中。在这篇文章中，我们探讨了Asana AI Studio和Amazon Q索引如何通过智能工作流动自动化和增强的数据可访问性来改变企业效率。
Responsible AI for the payments industry – Part 1
这篇文章探讨了付款行业在扩展AI采用方面面临的独特挑战，塑造实施决策的监管方面的考虑以及应用负责AI原则的实用方法。在第2部分中，我们提供了实施策略，以在您的付款系统中运行负责的AI。
Responsible AI for the payments industry – Part 2
在我们系列的第1部分中，我们探索了付款行业中负责人AI的基础概念。在这篇文章中，我们讨论了负责任的AI框架的实际实施。
在这篇文章中，我们将使用Amazon Bedrock Data Automation和Amazon Sagemaker AI展示如何使用人类评论循环处理多页文档。
Build an AI assistant using Amazon Q Business with Amazon S3 clickable URLs
在这篇文章中，我们演示了如何使用Amazon Q业务来建立AI助手，该业务根据您存储在S3存储桶中的企业文档响应用户请求，以及用户如何在AI助手响应中使用参考网址以查看或下载引用文档，并验证AI响应的AI响应，以实践负责任的AI。
GPT OSS models from OpenAI are now available on SageMaker JumpStart
今天，我们很高兴地宣布，来自Amazon Sagemaker Jumpstart的OpenAI，Openai的Open AI开放式AI开放式GPT OSS模型，GPT-OSS-1220B和GPT-SOSS-20B。通过此发布，您现在可以部署Openai的最新推理模型来构建，实验和负责任地扩展您的生成AI想法。在这篇文章中，我们演示了如何在Sagemaker Jumpstart上开始这些模型。
Amazon Q业务是一家完全管理的，生成的AI驱动助手，可帮助企业解锁其数据和知识的价值。借助Amazon Q Business，您可以通过使用公司各种数据源和企业系统中存储的信息和专业知识来快速找到问题的答案，生成摘要和内容以及完成任务。 […]
Observing and evaluating AI agentic workflows with Strands Agents SDK and Arize AX
在这篇文章中，我们介绍了如何通过链代理启动和评估AI代理任务，从而有助于验证代理工作流的正确性和可信度。
Amazon Strands Agents SDK: A technical deep dive into agent architectures and observability
在这篇文章中，我们首先介绍了Strands Adents SDK及其核心功能。然后，我们探索它如何与AWS环境集成以进行安全，可扩展的部署，以及如何为生产使用提供丰富的可观察性。最后，我们讨论了实际用例，并提出了一个逐步示例，以说明行动中的链。
Build dynamic web research agents with the Strands Agents SDK and Tavily
在这篇文章中，我们介绍了如何将Strands代理与Tavily的专用Web Intelligence API相结合，以创建强大的研究代理，以在复杂的信息收集任务中表现出色，同时保持企业部署所需的安全性和合规性标准。
Streamline GitHub workflows with generative AI using Amazon Bedrock and MCP
本博客文章探讨了如何使用Amazon Bedrock FMS，Langgraph和模型上下文协议（MCP）创建强大的代理应用程序，并具有处理GitHub工作流程的实际情况，该方案是问题分析的GitHub工作流程，代码修复和提取请求生成。
今天，我们很高兴地宣布，Mistral-Small-3.2-24B-Instruct-2506 - Mistral AI的240亿参数大语言模型（LLM），该模型（LLM）已优化，可通过Amazon Sagemaker Jumpstart和Amazon Bedrock Market Place，可用于增强跟随和减少的重复错误，并减少重复错误。亚马逊基岩市场是亚马逊基岩的一种能力，开发人员可以用来发现，测试和使用[…]
Generate suspicious transaction report drafts for financial compliance using generative AI
可疑交易报告（STR）或可疑活动报告（SAR）是一种报告，如果金融组织有合理的理由怀疑任何在活动期间发生或尝试过的金融交易，则必须提交给金融监管机构。在这篇文章中，我们探索了一种使用亚马逊基岩中可用的FMS来创建草稿STR的解决方案。
在这篇文章中，我们提出了一个完整的解决方案，用于微调和部署Web自动化任务的Llama-3.2-11b-Vision-Instruct模型。我们演示了如何在Amazon Elastic Kubernetes Service（Amazon EKS）上使用AWS深度学习容器（DLC）建立安全，可扩展和高效的基础架构。
