Accelerate AI development with Amazon Bedrock API keys
今天，我们很高兴地宣布，亚马逊基岩的开发人员体验：API Keys。 API密钥可快速访问Amazon Bedrock API，从而简化了身份验证过程，以便开发人员可以专注于构建而不是配置。
在这篇文章中，我们展示了拜耳作物科学如何通过培训模型来管理数据分析需求的大规模数据科学操作，并维护高质量的代码文档以支持开发人员。通过这些解决方案，拜耳作物科学计划的开发人员登机时间可下降70％，开发人员生产率提高了30％。
Combat financial fraud with GraphRAG on Amazon Bedrock Knowledge Bases
在这篇文章中，我们展示了如何使用Amazon Neptune Analytics使用Amazon Bedrock知识库来构建财务欺诈检测解决方案。
Classify call center conversations with Amazon Bedrock batch inference
在这篇文章中，我们演示了如何使用Amazon Bedrock批处理推理能力构建端到端的解决方案，并使用人类的Claude Haiku模型构建端到端解决方案。我们将浏览分类的旅行社呼叫中心对话分为类别，展示如何生成合成培训数据，处理大量文本数据以及使用AWS服务自动化整个工作流程。
Effective cross-lingual LLM evaluation with Amazon Bedrock
在这篇文章中，我们演示了如何使用亚马逊基岩的评估功能在不需要本地化提示或自定义基础架构的情况下在语言障碍中提供可靠的结果。通过全面的测试和分析，我们共享实用策略，以帮助降低多语言评估的成本和复杂性，同时保持全球大型语言模型（LLM）部署的高标准。
Cohere Embed 4 multimodal embeddings model is now available on Amazon SageMaker JumpStart
Cohere Embered 4多模式嵌入模型现在通常可以在Amazon Sagemaker Jumpstart上获得。 Embed 4模型是为多模式业务文档构建的，具有领先的多语言功能，并且对跨关键基准测试的嵌入3提供了显着的改进。在这篇文章中，我们讨论了这种新模型的好处和功能。我们还可以使用Sagemaker Jumpstart引导您完成如何部署和使用嵌入4型号的型号。
How INRIX accelerates transportation planning with Amazon Bedrock
Inrix率先使用连接车辆的GPS数据进行运输智能。在这篇文章中，我们与Amazon Web Services（AWS）客户Inrix合作，展示了如何使用Amazon Bedrock使用丰富的运输数据来确定特定城市位置的最佳对策，以及如何在Street View图像中自动将这些对策自动可视化。与使用概念图的传统方法相比，这种方法允许大量的计划加速。
今天，我们很高兴地宣布，Qwen3是QWEN家族中最新一代的大型语言模型（LLMS），可通过亚马逊基岩市场和Amazon Sagemaker Jumpstart获得。通过此启动，您可以在0.6B，4B，8B和32B参数尺寸中部署QWEN3模型，以构建，实验和负责任地扩展您的生成AI应用程序。在这篇文章中，我们演示了如何在Amazon Bedrock Marketplace和Sagemaker Jumpstart上使用Qwen3开始。
Build a just-in-time knowledge base with Amazon Bedrock
传统的检索增强发电（RAG）系统通过摄入和维护可能永远不会查询的文档的嵌入来消耗宝贵的资源，从而导致不必要的存储成本和降低的系统效率。这篇文章提出了一个即时知识库解决方案，该解决方案通过智能文档处理来减少未使用的消费。该解决方案仅在需要时处理文档，并自动删除未使用的资源，因此组织可以扩展其文档存储库，而无需按比例增加基础架构成本。
Agents as escalators: Real-time AI video monitoring with Amazon Bedrock Agents and video streams
在这篇文章中，我们展示了如何构建一个完全可部署的解决方案，该解决方案使用OpenCV，Amazon Bedrock来处理视频流，以通过亚马逊基岩代理进行上下文场景的理解和自动响应。该解决方案扩展了使用Amazon Bedrock代理和知识库在Automate Chatbot中显示的功能，用于文档和数据检索，这些功能使用Amazon Bedrock代理进行了文档和数据检索进行了讨论。在这篇文章中，我们将亚马逊基岩代理应用于实时视频分析和事件监控。
Transforming network operations with AI: How Swisscom built a network assistant using Amazon Bedrock
在这篇文章中，我们探讨了瑞士Com的如何发展其网络助理。我们讨论了最初的挑战，以及他们如何实现提供可衡量收益的解决方案。我们检查技术体系结构，讨论关键学习，并查看可以进一步改变网络操作的未来增强功能。
End-to-End model training and deployment with Amazon SageMaker Unified Studio
In this post, we guide you through the stages of customizing large language models (LLMs) with SageMaker Unified Studio and SageMaker AI, covering the end-to-end process starting from data discovery to fine-tuning FMs with SageMaker AI distributed training, tracking metrics using MLflow, and then de
在这篇文章中，我们展示了如何使用Amazon OpenSearch服务作为矢量存储来构建有效的RAG应用程序。
Advancing AI agent governance with Boomi and AWS: A unified approach to observability and compliance
在这篇文章中，我们分享了Boomi如何与AWS合作，以帮助企业加速并使用Agent Control Tower自信地采用AI。
Use Amazon SageMaker Unified Studio to build complex AI workflows using Amazon Bedrock Flows
在这篇文章中，我们演示了如何使用SageMaker Unified Studio使用Amazon Bedrock Flow创建复杂的AI工作流程。
Accelerating AI innovation: Scale MCP servers for enterprise workloads with Amazon Bedrock
在这篇文章中，我们使用亚马逊基地提供了一个集中式的模型上下文协议（MCP）服务器实现，该服务器为企业AI工作负载提供了共享的工具和资源访问权限。该解决方案使组织能够通过MCP对资源和工具进行标准化，同时通过集中式方法来维持安全和治理，从而加速AI创新。
Choosing the right approach for generative AI-powered structured data retrieval
在这篇文章中，我们探讨了五种不同的模式，用于在AWS中实现LLM驱动的结构化数据查询功能，包括直接对话接口，BI工具增强功能以及自定义的文本到SQL解决方案。
Revolutionizing drug data analysis using Amazon Bedrock multimodal RAG capabilities
在这篇文章中，我们探讨了亚马逊基岩的多模式抹布的能力如何通过有效处理包含文本，图像，图形和表格的复杂医疗文档来彻底改变药物数据分析。
