Contextual retrieval in Anthropic using Amazon Bedrock Knowledge Bases
上下文检索通过在生成嵌入之前向每个块添加块的解释性上下文来增强传统抹布。这种方法通过相关的上下文信息丰富了向量表示，在响应用户查询时，可以更准确地检索语义相关的内容。在这篇文章中，我们演示了如何使用人类和亚马逊基石知识库使用上下文检索。
Impel enhances automotive dealership customer experience with fine-tuned LLMs on Amazon SageMaker
在这篇文章中，我们与SageMaker的微调LLMS分享Impel如何增强汽车经销商的客户体验。
How climate tech startups are building foundation models with Amazon SageMaker HyperPod
在这篇文章中，我们展示了气候技术初创公司如何开发基础模型（FMS），这些模型（FMS）使用广泛的环境数据集来解决诸如碳捕获，碳阴性燃料，新的微塑料破坏和生态系统保存等问题。这些专业模型需要高级计算功能来有效地处理和分析大量数据。
Supercharge your development with Claude Code and Amazon Bedrock prompt caching
在这篇文章中，我们将探讨如何将Amazon Bedrock提示缓存与Claude Code相结合，这是由人类发布的编码代理，现在通常可用。这种功能强大的组合通过减少推理响应延迟以及降低输入令牌成本的响应来改变您的开发工作流程。
Build a scalable AI assistant to help refugees using AWS
丹麦人道主义组织贝瓦尔乌克兰（Bevar Ukraine）开发了一个综合的虚拟生成性AI驱动的助手，名为Victor，旨在满足乌克兰难民的紧迫需求，这些难民将整合到丹麦社会中。本文详细介绍了我们使用AWS服务的技术实施，以创建可扩展的多语言AI助手系统，该系统在维护数据安全和GDPR合规性的同时提供自动帮助。
Enhanced diagnostics flow with LLM and Amazon Bedrock agent integration
在这篇文章中，我们探讨了Noodoe如何使用AI和Amazon Bedrock优化EV充电操作。通过集成LLM，Noodoe可以增强电台诊断，启用动态定价并提供多语言支持。这些创新降低了停机时间，最大化效率并提高了可持续性。继续阅读以发现AI如何转换电动汽车充电管理。
Build GraphRAG applications using Amazon Bedrock Knowledge Bases
在这篇文章中，我们探讨了如何在亚马逊基岩知识库中使用基于图的检索型生成（GraphRag）来构建智能应用程序。与传统矢量搜索（根据相似性分数检索文档）不同，知识图编码实体之间的关系，允许大型语言模型（LLMS）通过上下文感知的推理检索信息。
本博客文章提供了一种MLOPS解决方案，该解决方案使用AWS Cloud开发套件（AWS CDK）以及AWS STEP功能，Amazon EventBridge和Amazon等服务个性化，以自动化为数据准备，模型培训，部署和监视亚马逊个性化的提供资源。
Deploy Amazon SageMaker Projects with Terraform Cloud
在这篇文章中，您定义，部署和提供纯粹在Terraform中的SageMaker项目自定义模板。由于对其他IAC工具没有依赖性，因此您现在可以严格在Terraform企业基础架构中启用Sagemaker项目。
Zuru与AWS生成AI创新中心合作，并使用AWS专业服务，以使用Generative AI实施更准确的文本到层次底层计划生成器。在这篇文章中，我们向您展示了为什么选择使用大语言模型（LLM）的解决方案。我们探讨了如何使用模型选择，及时的工程和微调来改善结果。
Going beyond AI assistants: Examples from Amazon.com reinventing industries with generative AI
非转化应用程序提供了独特的优势，例如较高的延迟耐受性，批处理处理和缓存，但与对话性应用相比，它们的自主性质需要更强的护栏和详尽的质量保证，这受益于实时用户反馈和监督。这篇文章介绍了此类AI应用程序的四种不同的Amazon.com示例。
Architect a mature generative AI foundation on AWS
在这篇文章中，我们概述了建立了良好的生成AI基础，深入研究了其组成部分，并提出了端到端的视角。我们查看不同的操作模型，并探讨了这些基础如何在这些边界内运作。最后，我们提出了一个成熟模型，该模型可帮助企业评估其演化路径。
Amazon Bedrock模型副本和模型共享功能为管理从开发到生产的AI应用程序的生命周期提供了有力的选择。在这篇全面的博客文章中，我们将深入了解模型共享和模型复制功能，在典型的开发到生产方案中探索其功能，好处和实际应用。
这篇文章探讨了使用生成AI模型和Amazon Bedrock部署文本到SQL管道，以向基因组学数据库提出自然语言问题。我们演示了如何使用AWS放大的AI助手Web界面，并解释用于生成SQL查询的及时工程策略。最后，我们提出了将服务部署在您自己的AWS帐户中的说明。
Gemma 3 27B model now available on Amazon Bedrock Marketplace and Amazon SageMaker JumpStart
我们很高兴地宣布，通过亚马逊基岩市场和亚马逊Sagemaker Jumpstart宣布Gemma 3 27B指示模型。在这篇文章中，我们向您展示了如何开始使用Amazon Bedrock Marketplace和SageMaker Jumpstart上的Gemma 3 27B指令，以及如何在应用程序中使用模型强大的指令遵循功能。
AI驱动的购物助理 Rufus依靠许多组件来提供其客户体验，包括Foundation LLM（响应生成）和查询计划者（QP）模型，以进行查询分类和检索增强。这篇文章的重点是QP模型如何使用以平行解码为中心的投机解码（SD）（SD）以及AWS AI芯片来满足Prime Day的需求。通过将平行解码与AWS Trainium和推理芯片相结合，Rufus的响应时间更快，推理成本降低了50％，并且在高峰流量期间无缝可扩展性。 在这篇文章中，我们向您展示了如何实施和评估三种强大的技术，以根据您的业务需求来量身定制FMS：抹布，微调和混合方法，结合了这两种方法。我们提供现成的代码，以帮助您尝试这些方法，
New Amazon Bedrock Data Automation capabilities streamline video and audio analysis
亚马逊基岩数据自动化可帮助组织通过可自定义的多模式分析来简化开发并提高效率。无论是在视频还是音频上，它都消除了非结构化内容处理的繁重提升。新功能使提取量身定制的，生成的AI驱动的见解（如场景摘要，关键主题以及视频和音频的客户意图）变得更快。这可以为用例以提高销售生产率和增强客户体验等用例提供非结构化内容的价值。
GuardianGamer scales family-safe cloud gaming with AWS
在这篇文章中，我们分享了GuardianGamer如何使用AWS服务，包括Amazon Nova和Amazon Bedrock来提供可扩展有效的监督平台。该团队使用亚马逊Nova进行聪明的叙事生成，为父母提供对孩子的游戏活动和社交互动的有意义的见解，同时保持了非侵入性的监测方法。
