Building smarter AI agents: AgentCore long-term memory deep dive
在这篇文章中，我们将探讨 Amazon Bedrock AgentCore Memory 如何通过反映人类认知过程的复杂提取、整合和检索机制将原始会话数据转换为持久的、可操作的知识。该系统解决了构建人工智能代理的复杂挑战，这些代理不仅存储对话，还提取有意义的见解、跨时间合并相关信息，并维护连贯的内存存储，从而实现真正的上下文感知交互。
Configure and verify a distributed training cluster with AWS Deep Learning Containers on Amazon EKS
通过采用系统方法启动所需组件并验证其正确配置，可以防止 Amazon EKS 分布式训练中的错误配置问题。本文将逐步介绍设置和验证 EKS 集群以使用 DLC 训练大型模型的步骤。
Scala development in Amazon SageMaker Studio with Almond kernel
本文提供了有关将 Almond 内核集成到 SageMaker Studio 的综合指南，为平台内的 Scala 开发提供了解决方案。
Build a device management agent with Amazon Bedrock AgentCore
在本文中，我们将探讨如何使用 Amazon Bedrock AgentCore 构建对话式设备管理系统。借助此解决方案，用户可以通过自然语言管理其 IoT 设备，使用 UI 执行检查设备状态、配置 WiFi 网络和监控用户活动等任务。
How Amazon Bedrock Custom Model Import streamlined LLM deployment for Salesforce
本文展示了 Salesforce 如何将 Amazon Bedrock 自定义模型导入集成到其机器学习操作 (MLOps) 工作流程中，在不更改应用程序的情况下重用现有终端节点，以及如何对可扩展性进行基准测试。我们分享有关运营效率和成本优化收益的关键指标，并提供简化部署策略的实用见解。
Transforming the physical world with AI: the next frontier in intelligent automation
在这篇文章中，我们探讨物理人工智能如何代表智能自动化的下一个前沿，其中人工智能超越数字边界来感知、理解和操纵我们周围的有形世界。
Medical reports analysis dashboard using Amazon Bedrock, LangChain, and Streamlit
在这篇文章中，我们演示了概念性医疗报告分析仪表板的开发，该仪表板结合了 Amazon Bedrock AI 功能、LangChain 的文档处理和 Streamlit 的交互式可视化功能。该解决方案通过上下文感知聊天系统将复杂的医疗数据转化为可访问的见解，该系统由 Amazon Bedrock 提供的大型语言模型和健康参数的动态可视化提供支持。
Kitsa transforms clinical trial site selection with Amazon Quick Automate
在这篇文章中，我们将展示 Kitsa（一家专门从事 AI 驱动的临床试验招募和选址的健康科技公司）如何使用 Amazon Quick Automate 转变其临床试验选址解决方案。 Amazon Quick Automate 是 Amazon Quick Suite 的一项功能，使企业能够大规模构建、部署和维护弹性工作流程自动化。
Connect Amazon Quick Suite to enterprise apps and agents with MCP
在本文中，我们将探讨 Amazon Quick Suite 的模型上下文协议 (MCP) 客户端如何实现与企业应用程序和 AI 代理的安全、标准化连接，从而消除复杂的自定义集成的需要。您将了解如何设置 MCP Actions 与 Atlassian Jira 和 Confluence、AWS Knowledge MCP Server 和 Amazon Bedrock AgentCore Gateway 等流行企业工具的集成，以创建一个协作环境，让人员和 AI 代理可以跨组织的数据和应用程序无缝协作。
Make agents a reality with Amazon Bedrock AgentCore: Now generally available
了解客户为何选择 AgentCore 使用他们为生产工作负载选择的框架和模型来构建安全、可靠的 AI 解决方案。
Use Amazon SageMaker HyperPod and Anyscale for next-generation distributed computing
在这篇文章中，我们演示了如何将 Amazon SageMaker HyperPod 与 Anyscale 平台集成，以解决构建和部署大规模 AI 模型时的关键基础设施挑战。该组合解决方案通过高性能硬件、持续监控以及与领先的 AI 计算引擎 Ray 的无缝集成，为分布式 AI 工作负载提供强大的基础设施，使组织能够缩短上市时间并降低总体拥有成本。
Vxceed builds the perfect sales pitch for sales teams at scale using Amazon Bedrock
在这篇文章中，我们展示了 Vxceed 如何使用 Amazon Bedrock 开发这种由 AI 驱动的多代理解决方案，为现场销售团队大规模生成个性化的销售推介。
Automate Amazon QuickSight data stories creation with agentic AI using Amazon Nova Act
在这篇文章中，我们演示了 Amazon Nova Act 如何自动创建 QuickSight 数据故事，从而节省时间，以便您可以专注于制定关键的、数据驱动的业务决策。
在这篇文章中，我们演示了 PowerSchool 如何使用 Amazon SageMaker AI 构建和部署自定义内容过滤解决方案，该解决方案在保持较低误报率的同时实现了更高的准确性。我们将详细介绍微调 Llama 3.1 8B 的技术方法、我们的部署架构以及内部验证的性能结果。
组织越来越多地将生成式人工智能功能集成到其应用程序中，以增强客户体验、简化运营并推动创新。随着生成式人工智能工作负载的规模和重要性不断增长，组织在保持人工智能驱动的应用程序的一致性能、可靠性和可用性方面面临着新的挑战。客户希望跨 [...] 扩展他们的人工智能推理工作负载
Enhance agentic workflows with enterprise search using Kore.ai and Amazon Q Business
在这篇文章中，我们将演示组织如何通过将 Kore.ai 的 AI for Work 平台与 Amazon Q Business 集成来提高员工生产力。我们展示了如何将 AI for Work 配置为独立软件供应商 (ISV) 的 Amazon Q 索引的数据访问器，以便员工可以搜索企业知识并执行涉及搜索、推理、操作和内容生成的端到端代理工作流程。
Accelerate development with the Amazon Bedrock AgentCore MCP server
今天，我们很高兴宣布推出 Amazon Bedrock AgentCore 模型上下文协议 (MCP) 服务器。 AgentCore MCP 服务器内置对运行时、网关集成、身份管理和代理内存的支持，专为加快创建与 Bedrock AgentCore 兼容的组件而设计。您可以使用 AgentCore MCP 服务器进行快速原型设计、生产 AI 解决方案、[...]
Rox accelerates sales productivity with AI agents powered by Amazon Bedrock
我们很高兴地宣布 Rox 已全面推出，Rox 基础设施基于 AWS 构建并跨 Web、Slack、macOS 和 iOS 交付。在这篇文章中，我们将分享 Rox 如何利用 Amazon Bedrock 提供支持的 AI 代理来提高销售效率。
