Vxceed secures transport operations with Amazon Bedrock
aws与VXCECE合作支持其AI策略，从而开发了limoconnect Q，这是一种创新的地面运输管理解决方案。 VXCEED使用AWS服务，包括Amazon Bedrock和Lambda，成功地建立了一个安全的AI驱动解决方案，以简化Trip Trip预订和文档处理。
Improve Amazon Nova migration performance with data-aware prompt optimization
在这篇文章中，我们提出了LLM迁移范式和体系结构，包括连续的模型评估过程，使用Amazon Bedrock及时生成，以及数据吸引的优化。该解决方案在迁移之前评估模型性能，并使用用户提供的数据集和目标指标迭代优化Amazon Nova模型提示。
Customize Amazon Nova models to improve tool usage
在这篇文章中，我们演示了与Amazon Nova一起使用的模型自定义（微调）。我们首先引入工具用例用例，并提供有关数据集的详细信息。我们介绍了亚马逊NOVA特定数据格式的详细信息，并展示了如何通过Converse进行工具并在Amazon Bedrock中调用API。在获得亚马逊NOVA模型的基线结果后，我们详细解释了微调过程，托管带有配置吞吐量的微型模型，并使用微调的Amazon Nova模型进行推理。
Use Amazon Bedrock Intelligent Prompt Routing for cost and latency benefits
今天，我们很高兴地宣布亚马逊基岩智能及时路由的一般可用性。在这篇博客文章中，我们详细介绍了内部测试的各种亮点，如何开始，并指出一些警告和最佳实践。我们鼓励您将Amazon Bedrock智能及时路由纳入您的新的和现有的生成AI应用程序中。
Build a location-aware agent using Amazon Bedrock Agents and Foursquare APIs
在这篇文章中，我们将Amazon Bedrock代理商和FourSquare API结合在一起，以演示如何使用位置感知的代理为您的用户带来个性化的响应。
Automating regulatory compliance: A multi-agent solution using Amazon Bedrock and CrewAI
在这篇文章中，我们探讨了AI代理如何使用亚马逊基岩和Crewai简化合规性并满足金融机构的监管要求。我们演示了如何构建一个可以自动汇总新法规，评估其对操作的影响并提供规范性技术指导的多代理系统。您将学习如何使用Crewai使用Amazon Bedrock知识库和Amazon Bedrock代理商来创建全面的自动合规解决方案。
Generate compliant content with Amazon Bedrock and ConstitutionalChain
在这篇文章中，我们探讨了使用宪法AI的实用策略，以有效而有效地使用Amazon Bedrock和Langgraph生产合规性内容，以在金融和医疗保健等高度受监管的行业中建立宪法链接
Minimize generative AI hallucinations with Amazon Bedrock Automated Reasoning checks
为了提高大语模型（LLM）响应的事实准确性，AWS宣布Amazon Bedrock自动推理检查（在Gated Preview）上，网址为AWS RE：Invent 2024。在这篇文章中，我们讨论了如何帮助防止使用Amazon Bedrock自动化的推理检查来防止生成的AI幻觉。
Amazon Bedrock Guardrails宣布图像内容过滤器的一般可用性，使您能够在生成AI应用程序中调节图像和文本内容。在这篇文章中，我们讨论了如何从Amazon Bedrock Guardrails中使用图像内容过滤器开始。
Automate IT operations with Amazon Bedrock Agents
这篇文章提供了一个全面的AIOPS解决方案，结合了各种AWS服务，例如Amazon Bedrock，AWS Lambda和Amazon CloudWatch，以创建AI助理以进行有效的事件管理。该解决方案还使用亚马逊基础知识库和亚马逊基岩代理商。该解决方案使用亚马逊基岩的功能来实现能够监视IT系统，分析日志和指标并调用自动补救过程的智能代理的部署。
在这篇文章中，我们演示了如何在Sagemaker Unified Studio中使用Amazon Bedrock来构建生成AI应用程序，以与现有的端点和数据库集成。
在这篇文章中，我们探讨了为什么ASURE使用Amazon Web Services（AWS）呼叫后分析（PCA）管道，该管道以QuickSight的Amazon Bedrock和Amazon Q等生成AI驱动的服务（例如Amazon Bedrock和Amazon Q）的高级功能，在呼叫中心之间生成了见解。 ASURE之所以选择这种方法，是因为它提供了深入的消费者分析，围绕共同主题的呼叫成绩单分类，以及授权联络中心领导者使用自然语言来回答查询。这最终使ASURE为客户提供了产品和客户体验的改进。
医疗保健决策通常需要从多个来源（例如医学文献，临床数据库和患者记录）进行整合。 LLMS缺乏从这些多样化和分布式来源中无缝访问和合成数据的能力。这限制了他们为医疗保健应用提供全面且信息良好的见解的潜力。在这篇博客文章中，我们将探讨亚马逊基地上的Mistral LLM如何应对这些挑战，并能够通过LLM功能呼叫功能的智能医疗保健代理，同时通过亚马逊BedRock Guardrails保持强大的数据安全和隐私。
How GoDaddy built a category generation system at scale with batch inference for Amazon Bedrock
这篇文章概述了由For Godaddy（域注册商，注册表，网络托管和电子商务公司）开发的自定义解决方案，该公司试图通过使用生成AI为超过2100万客户提供个性化的业务洞察，以使企业家精神更加访问。在这项合作中，生成的AI创新中心团队使用Amazon Bedrock中的批处理创建了一种准确且具有成本效益的基于AI的解决方案，帮助GoDaddy改善了他们现有的产品分类系统。
Benchmarking customized models on Amazon Bedrock using LLMPerf and LiteLLM
这篇文章开始了一个博客系列，探索Amazon Bedrock自定义模型导入的DeepSeek和Open FMS。它涵盖了使用流行的开源工具：LLMPERF和LITELLM在亚马逊基岩中定制模型的性能基准测试过程。它包括一个笔记本，其中包含分步说明，以部署DeepSeek-R1-Distill-Lalama-8B型号，但是相同的步骤适用于Amazon Bedrock自定义模型导入的任何其他模型。
Revolutionizing customer service: MaestroQA’s integration with Amazon Bedrock for actionable insight
在这篇文章中，我们深入研究了Maestroqa的关键特征之一 - 转化分析，该特征有助于支持团队发现客户的关注点，解决摩擦点，适应支持工作流程以及通过使用亚马逊贝德洛克（Amazon Bedrock）来确定指导的领域。我们讨论了Maestroqa克服的独特挑战，以及他们如何使用AWS来构建新功能，推动客户见解并提高运营效率低下。
在这篇文章中，我们介绍了如何使用Amazon Rekognition自定义标签来构建FoodSavr解决方案（用于本文目的的虚拟名称），以检测成分并使用Antharpic的Claude 3.0在Amazon Bedrock上生成个性化食谱。我们演示了一个端到端的体系结构，用户可以上传冰箱的图像，并使用那里找到的成分（Amazon Rekognition检测到），该解决方案将为他们提供食谱列表（由Amazon Bedrock生成）。该体系结构还识别缺失的成分，并为用户提供附近杂货店的列表。
今天，亚马逊Web服务（AWS）宣布了亚马逊基岩知识库（GraphRag）的一般可用性，这是亚马逊基岩知识库中的能力，可增强Amazon Neptune Analytics中的图形数据，增强了检索效果的生成（RAG）。在这篇文章中，我们讨论了GraphRag的好处以及如何在Amazon Bedrock知识库中开始。
