Scalable intelligent document processing using Amazon Bedrock Data Automation
在博客文章可扩展的智能文档使用Amazon Bedrock中，我们演示了如何使用Amazon Bedrock上的拟人基础模型构建可扩展的IDP管道。尽管这种方法带来了强大的性能，但引入亚马逊基岩数据自动化为IDP解决方案带来了新的效率和灵活性。这篇文章探讨了亚马逊基岩数据自动化如何增强文档处理功能并简化自动化之旅。
我们很高兴共享亚马逊基础数据自动化模型上下文协议（MCP）服务器，以在Amazon Q和您的企业数据之间进行无缝集成。在这篇文章中，您将学习如何使用Amazon Bedrock数据自动化MCP服务器与AWS服务安全集成，使用BedRock Data Automation Automation Operations用作可召唤的MCP工具，并使用Amazon Q建立对话性开发体验。
Bringing agentic Retrieval Augmented Generation to Amazon Q Business
在这篇博客文章中，我们探讨了亚马逊Q业务如何通过代理检索增强发电（RAG）来改变企业数据交互。
总部位于马里兰州贝塞斯达的大学初创公司成立于2020年，旨在使高中生将教育扩展到传统课程之外。大学初创公司专注于全美学区的特殊教育和相关服务。在这篇文章中，我们解释了大学初创公司如何在AWS上使用生成的AI技术，以使学生能够为他们的教育或劳动力设计特定的计划。
Citations with Amazon Nova understanding models
在这篇文章中，我们演示了如何提示Amazon Nova理解模型引用响应中的来源。此外，我们还将介绍如何评估响应（和引用）的准确性。
Securely launch and scale your agents and tools on Amazon Bedrock AgentCore Runtime
在这篇文章中，我们探讨了亚马逊基石代理商运行时如何简化AI代理的部署和管理。
PwC and AWS Build Responsible AI with Automated Reasoning on Amazon Bedrock
这篇文章介绍了AWS和PWC如何开发新的推理检查，这些检查将深厚的行业专业知识与亚马逊基岩护栏的自动推理检查相结合，以支持创新。
How Amazon scaled Rufus by building multi-node inference using AWS Trainium chips and vLLM
在这篇文章中，亚马逊分享了他们如何使用Amazon Trainium Chips和VLLM为其生成的AI购物助理Rufus开发多节点推理解决方案，以大规模提供大型语言模型。该解决方案结合了领导者/追随者编排模型，混合并行性策略以及在亚马逊ECS上构建的多节点推理单元抽象层，以跨多个节点部署模型，同时保持高性能和可靠性。
Build an intelligent financial analysis agent with LangGraph and Strands Agents
这篇文章描述了一种结合三种强大技术的方法，以说明您可以适应并构建特定财务分析需求的体系结构：工作流程编排的langgraph，用于结构化推理的链代理以及用于工具集成的模型上下文协议（MCP）。
Amazon Bedrock AgentCore Memory: Building context-aware agents
在这篇文章中，我们探索了Amazon Bedrock AgentCore Memory，这是一项完全管理的服务，使AI代理能够保持直接和长期知识，将一次性的对话转变为用户与AI代理之间的连续，不断发展的关系。该服务消除了复杂的内存基础架构管理，同时提供了对AI代理所记住的内容的完全控制，为维持短期工作记忆和长期智能内存提供了强大的功能。
在这篇文章中，我们回顾了P6E-GB200 Ultraservers的技术规格，讨论其性能优势，并突出关键用例。然后，我们走过如何通过灵活的培训计划购买超声处理能力，并开始使用带有Sagemaker Hyperpod的Ultraservers。
这篇文章探讨了Indegene的社会情报解决方案如何使用高级AI来帮助生命科学公司从数字医疗对话中提取有价值的见解。该解决方案以AWS技术为基础，解决了HCP对数字渠道的日益偏好，同时克服了分析规模的复杂医学讨论的挑战。
Unlocking enhanced legal document review with Lexbe and Amazon Bedrock
在这篇文章中，法律文档审查软件公司Lexbe演示了他们如何整合亚马逊床架和其他AWS服务，以改变其文档审查流程，使法律专业人员能够使用生成AI立即查询和从大量案例文档中提取见解。通过与AWS的合作，Lexbe在召回率方面取得了重大提高，到2024年12月，高达90％，并开发了广泛的人类风格报告和跨多种语言的自动推断的能力。
Automate AIOps with SageMaker Unified Studio Projects, Part 2: Technical implementation
在这篇文章中，我们专注于通过逐步指导和参考代码实施此体系结构。我们提供了详细的技术演练，以满足AI开发生命周期中两个关键角色的需求：通过自动模板建立治理和基础设施的管理员，以及使用SageMaker Unified Studio用于模型开发的数据科学家，而无需管理基础设施。
Automate AIOps with Amazon SageMaker Unified Studio projects, Part 1: Solution architecture
这篇文章介绍了建筑策略和可扩展的框架，该框架可帮助组织管理多租户环境，始终如一地自动化自动化，并嵌入治理控制，因为它们可以与Sagemaker Unified Studio扩展AI计划。
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。
