Gardenia Technologies是一家数据分析公司，与AWS原型和云工程（PACE）团队合作开发了Report Report Genai，Genai是一种全自动的ESG报告解决方案，该解决方案由Amazon Bedrock上最新的AI模型提供动力。这篇文章深入研究了使用带有检索增强发电（RAG）和文本到SQL功能的工具的代理搜索解决方案背后的技术，以帮助客户将ESG报告时间最多减少75％。我们演示了AWS无服务器技术如何与亚马逊基岩中的代理相结合，用于构建可扩展且高度灵活的基于代理的文档助理应用程序。
Llama 3.3 Nemotron Super 49b V1 AndlAma 3.1 Nemotron Nano 8b V1现在可以在Amazon Bedrock Marketplace和Amazon Sagemaker Jumpstart中获得。现在，您可以在此发布中，您可以部署Nvidia的Newewest推理模型来构建，实验，实验性地逐步扩展您的生成ai aws aws aws aws aws。
Automate customer support with Amazon Bedrock, LangGraph, and Mistral models
在这篇文章中，我们演示了如何使用Amazon Bedrock和Langgraph为电子商务零售商建立个性化的客户支持体验。通过整合Mistral大型2和Pixtral大型模型，我们指导您自动化关键客户支持工作流程，例如票务分类，订单详细信息提取，损害评估和产生上下文响应。
Build responsible AI applications with Amazon Bedrock Guardrails
在这篇文章中，我们演示了亚马逊基岩护栏如何有助于阻止有害和不希望的多模式内容。使用医疗保险呼叫中心方案，我们介绍配置和测试各种护栏的过程。
Effective cost optimization strategies for Amazon Bedrock
随着亚马逊基岩的越来越多的采用，优化成本是必须有助于保持与部署和运行生成的AI应用程序相关的费用，并且与组织的预算保持一致。在这篇文章中，您将在使用亚马逊基石时了解战略性成本优化技术。
How E.ON saves £10 million annually with AI diagnostics for smart meters powered by Amazon Textract
E.On的故事强调了亚马逊质特的创造性应用如何结合自定义图像分析和脉搏计数，可以在大规模上解决现实世界中的挑战。通过简短的智能手机视频诊断智能电表错误，E.ON的目标是降低成本，提高客户满意度并提高整体能源服务的可靠性。在这篇文章中，我们深入研究了该解决方案的工作原理及其产生的影响。
Building intelligent AI voice agents with Pipecat and Amazon Bedrock – Part 1
在这一系列帖子中，您将学习如何使用PipeCat构建智能AI语音代理，这是一个用于语音和多模式对话AI代理的开源框架，并在Amazon Bedrock上建立了基础模型。它包括高级参考体系结构，最佳实践和代码样本，以指导您的实施。
Stream multi-channel audio to Amazon Transcribe using the Web Audio API
在这篇文章中，我们探讨了使用浏览器的Web Audio API和Amazon转录流的Web应用程序的实现详细信息，以实现实时双通道转录。通过使用AudioContext，Channelmergernode和AudioWorklet的组合，我们能够无缝处理和编码来自两个麦克风的音频数据，然后再将其发送到Amazon转录进行转录。
How Kepler democratized AI access and enhanced client services with Amazon Q Business
在全球全方位服务的数字营销机构Kepler为Fortune 500品牌提供服务，我们了解创意营销策略与数据驱动的精确度之间的微妙平衡。在这篇文章中，我们分享了实施亚马逊Q业务如何通过使整个组织的AI访问在同时保持严格的安全标准的同时使我们的运营改变了我们的运营，从而使每位员工每周的平均每周节省2.7个小时的手动工作和改进的客户服务交付。
Build a serverless audio summarization solution with Amazon Bedrock and Whisper
在这篇文章中，我们演示了如何使用开放式AI窃窃私语粉底型（FM）Whisper大型V3 Turbo，该涡轮在亚马逊基岩市场上可用，该市场可通过专用产品访问140多个型号，以生产几乎实时转录。然后，这些转录由亚马逊基岩处理，以汇总和敏感信息的修复。
在这篇文章中，我们演示了如何使用自然语言和图像查询使用大型视觉模型（LVM）进行语义视频搜索。我们介绍了一些特定于用例的方法，例如时间框架平滑和聚类，以增强视频搜索性能。此外，我们通过在Amazon Sagemaker AI上使用异步和实时托管选项来演示这种方法的端到端功能，以使用拥抱面部模型中心上的公开可用的LVMS执行视频，图像和文本处理。最后，我们将Amazon OpenSearch与其矢量引擎一起用于低延迟语义视频搜索。
Multi-account support for Amazon SageMaker HyperPod task governance
在这篇文章中，我们讨论了具有多个帐户的企业如何访问共享的Amazon Sagemaker HyperPod群集以运行其异质工作负载。我们使用SageMaker HyperPod任务治理来启用此功能。
Build a Text-to-SQL solution for data consistency in generative AI using Amazon Nova
这篇文章评估了使用生成AI查询数据的关键选项，讨论了它们的优势和局限性，并演示了为什么文本到SQL是确定性，特定于架构的任务的最佳选择。我们展示了如何使用Amazon Nova有效地使用Amazon Nova（Amazon Bedrock中可用的基础模型（FM）），从您的数据中得出精确而可靠的答案。
Modernize and migrate on-premises fraud detection machine learning workflows to Amazon SageMaker
radial是最大的3PL履行提供商，也为中型市场和企业品牌提供综合付款，欺诈检测以及全渠道解决方案。在这篇文章中，我们通过使用Amazon Sagemaker对其ML工作流进行现代化，分享了Radial如何优化其欺诈检测机学习（ML）应用程序的成本和性能。
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。
Run small language models cost-efficiently with AWS Graviton and Amazon SageMaker AI
在这篇文章中，我们通过将预建的容器扩展到与AWS Graviton实例兼容，演示了如何在Sagemaker AI上部署小语言模型。我们首先提供解决方案的概述，然后提供详细的实施步骤以帮助您入门。您可以在GitHub存储库中找到示例笔记本。
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。
