Automate Document Processing with Quick Automate and the IDP Accelerator
对大量文档进行分类、提取和验证是银行、保险、医疗保健和公共部门面临的挑战。了解中型抵押贷款机构如何使用 AWS GAIIC IDP Accelerator 和 Amazon Quick Automate 自动化其整个文档接收管道（从电子邮件到经过验证的数据）。
How Fanatics Betting and Gaming built a multi-agent customer support system
Fanatics Betting and Gaming 在 AWS 上构建了多代理客户支持系统，以处理体育博彩的复杂性：特定于州的规则、实时负责任的游戏以及重大体育赛事期间的流量高峰。本文将介绍您自己的多代理支持解决方案的架构、所涉及的 AWS 服务以及模式。
Customize Amazon Quick embedded chat into your application
Amazon Quick 嵌入式聊天将对话式 AI 界面引入您的 Web 应用程序。这篇文章将介绍如何使用容器和 SDK 样式、品牌删除和自定义代理角色来自定义嵌入式聊天，使其与您的品牌的外观、感觉和声音相匹配。
Implement vector-prompt document classification using Amazon Bedrock
了解如何使用 Strands Agents SDK 在 Amazon Bedrock 上构建多代理文档分类解决方案。三个专业代理将文本分析与 Claude Haiku 4.5 结合起来，将视觉相似性搜索与 Amazon Titan Multimodal Embeddings 相结合，以准确地对保单和宣誓书等保险文件进行分类。
How Jumio built a real-time feature store on AWS
了解 Jumio 如何使用 Amazon SageMaker Feature Store、Amazon Managed Service for Apache Flink 和 Amazon Kinesis Data Streams 在 AWS 上构建集中式实时特征存储。该架构提供了 100 毫秒以下的欺诈检测功能，每年可节省约 120,000 美元。
Improve contract search accuracy with auto-generated filters in Amazon Bedrock
在这篇文章中，我们描述了 AIDA 如何在高层运作，以及它如何帮助解决这些挑战——让用户遵守正确的合同、正确的法律背景和正确的访问边界。具体来说，我们探索 AIDA 如何使用隐式和显式过滤以及 Amazon Bedrock 知识库中元数据丰富的分块来显着提高合约搜索准确性。
How Axonius built secure multi-tenant AI agents on Bedrock AgentCore
了解网络安全 SaaS 提供商 Axonius 如何使用 Amazon Bedrock AgentCore 在数百个客户环境中部署完全隔离的多租户 AI 代理，而无需从头开始构建自定义计算隔离、身份验证或可观察性基础设施。
NVIDIA Nemotron 3.5 Lightning now available in Amazon SageMaker JumpStart
NVIDIA Nemotron 3.5 Lightning 是一种专为大容量代理工作负载而构建的开放模型，现已在 Amazon SageMaker JumpStart 中提供。本文介绍了如何部署 30B 专家混合模型（3B 主动），该模型可为始终在线的代理提供高达 4 倍的吞吐量和高达 30% 的任务完成速度。
Build OpenClaw agents that transact with Amazon Bedrock AgentCore payments
为自治代理提供钱包和支出护栏，以便其可以支付付费 API、MCP 服务器和 Web 内容。这篇文章将 OpenClaw 连接到 Amazon Bedrock AgentCore 支付和 x402 协议，使用 aws-agents-pay 插件进行有界的、经人工批准的测试网支付。
Custom reward functions for multi-turn reinforcement learning with Amazon Nova Forge
在多轮强化学习中，您的自定义奖励函数决定模型实际学习的内容。这篇文章展示了如何为 Amazon Nova Forge 设计复合多轮奖励，在其中安全地执行模型生成的代码，并检测每个组件以捕获悄悄崩溃奖励的陷阱。
Building agentic workflows with SageMaker AI and Bedrock AgentCore
了解如何将 Amazon SageMaker AI 上与 OpenAI 兼容的终端节点与 Amazon Bedrock AgentCore 运行时相结合，以构建多代理工作流程，其中每个专业代理都使用最适合其工作的模型。这篇文章还展示了如何从 Strands Agent 默认情况下不检测的 SageMaker 端点获取令牌级别的可观测性。
Monitor on-premises and multi-cloud AI agents with AgentCore Observability
为在 AWS 外部运行的 AI 代理设置 Amazon Bedrock AgentCore Observability：本地、GCP、Azure 或开发人员计算机上。本演练使用 AWS Distro for OpenTelemetry (ADOT) 和 IAM 凭证将会话跟踪、跨度指标和令牌使用情况路由到同一 AgentCore Observability 仪表板。
Amazon Quick for Microsoft 365: Agentic AI where you work
Amazon Quick 现在可直接在 Microsoft Word、Excel、PowerPoint 和 Outlook 中使用。这些扩展将连接的数据访问和代理文档编辑带入您的团队已使用的 Microsoft 365 应用程序中，以便您可以分析数据、起草内容并获取企业知识，而无需切换应用程序。
Part 2: Amazon Bedrock cost attribution with Amazon Athena and CUDOS
了解如何使用 Amazon Athena 和 CUDOS 控制面板可视化和分析 Amazon Bedrock 成本归因。本文展示了如何使用 IAM 主体数据设置 CUR 2.0，按主体、项目和团队查询 Bedrock 支出，以及构建仪表板来跟踪整个组织的 AI 成本。
How OneAdvanced deployed over 50 AI agents on UK-sovereign AWS
了解英国企业软件提供商 OneAdvanced 如何通过在 Amazon SageMaker AI 上自托管 Llama 4 Maverick 和 Llama Guard 4、在 pgvector 上使用 RAG 管道以及在 Amazon ECS 上使用 Strands Agents SDK 构建的 50 多个代理来构建英国主权 AI 平台。
Solv Labs 在 Amazon Bedrock AgentCore 支付上构建了受监管的代理支付工作流程，其中每笔交易都经过授权，在 AWS Nitro Enclave 中进行证明，按风险定价，并在结算前锚定到公共区块链。了解该模式如何为企业在受监管的环境中为自主代理付款提供可验证、可审计的跟踪。
Tiered KV cache for large LLMs on Amazon SageMaker HyperPod with Curvine
大规模运行大型语言模型推理会迫使 KV 缓存进行权衡：GPU 实例规模过大或首次生成令牌的时间过长。本文在 Amazon SageMaker HyperPod 上构建了一个分层 KV 缓存，将缓存扩展到使用 Curvine 的共享分布式 NVMe 池中，因此副本可以在经济高效的实例上以接近本地磁盘的速度重用缓存。
How ONESTRUCTION built the Ishigaki-IDS foundation model with AWS GenAIIC
ONESTRUCTION 在 AWS 生成 AI 创新中心的技术咨询下构建了 Ishigaki-IDS，这是一个专门用于施工和 BIM 工作流程的基础模型。此架构案例研究展示了他们如何将合成数据、三阶段训练管道和 Amazon EC2 上的可验证奖励结合起来，在数据稀缺领域构建域模型。
