Amazon Q Business simplifies integration of enterprise knowledge bases at scale
在本文中，我们将演示如何使用 Amazon S3 将企业数据与 Amazon Q Business 集成来构建知识库解决方案。这种方法可帮助组织提高运营效率、缩短响应时间并从历史数据中获得有价值的见解。该解决方案使用 AWS 安全最佳实践来促进数据保护，同时使团队能够从各种数据源创建全面的知识库。
Harnessing Amazon Bedrock generative AI for resilient supply chain
通过利用 Amazon Bedrock 的生成式 AI 功能和工具，您可以创建一个智能神经中枢，连接各种数据源，将数据转换为可操作的见解，并制定全面的计划以减轻供应链风险。这篇文章介绍了 Amazon Bedrock Flows 如何连接您的业务系统、监控医疗设备短缺情况，并根据来自 Amazon Bedrock 知识库的知识或直接存储在 Amazon S3 中的数据提供缓解策略。您将学习如何创建一个领先于供应链风险的系统。
Implement RAG while meeting data residency requirements using AWS hybrid and edge services
在本文中，我们展示了如何将 Amazon Bedrock Agents 扩展到混合和边缘服务（例如 AWS Outposts 和 AWS Local Zones），以使用本地数据构建分布式检索增强生成 (RAG) 应用程序，从而改善模型结果。借助 Outposts，我们还涵盖了完全本地 RAG 应用程序的参考模式，该应用程序需要基础模型 (FM) 和数据源都驻留在本地。
London Stock Exchange Group uses Amazon Q Business to enhance post-trade client services
在这篇博文中，我们探讨了伦敦证券交易所集团 (LSEG) 使用 Amazon Q Business 开发的客户服务代理助理应用程序。我们将讨论 Amazon Q Business 如何在生成答案方面节省时间，包括总结文档、检索复杂会员查询的答案以及组合来自不同数据源的信息（同时为每个答案使用的数据源提供文内引用）。
Filling in NZ’s productivity data gaps
生产力增长是了解经济的一个重要因素，但研究人员指出，用于衡量生产力增长的关键数据库之一并没有包含所需的所有数据。研究人员开发了一种方法，使用额外的数据源（公司级年度商品和服务税 (GST) 申报表）来填补这些数据空白。研究人员表示，由此产生的“完整”生产力数据集为研究人员提供了一种额外的方法来研究以前在生产力数据中代表性不足的企业。
Claude’s Model Context Protocol (MCP): A Developer’s Guide
Anthropic 的模型上下文协议 (MCP) 是一种开源协议，可实现 AI 助手与数据库、API 和企业工具等数据源之间的安全双向通信。通过采用客户端-服务器架构，MCP 标准化了 AI 模型与外部数据交互的方式，从而无需为每个新数据源进行自定义集成。关键组件 […]The post Claude 的模型上下文协议 (MCP)：开发人员指南首先出现在 Unite.AI 上。
Automate actions across enterprise applications using Amazon Q Business plugins
Amazon Q Business 是一款生成式 AI 助手，可通过解决问题、生成内容和提供跨企业数据源的见解来提高员工的工作效率。除了搜索索引的第三方服务外，员工还需要访问动态、近乎实时的数据，例如股票价格、休假余额和位置跟踪，这可以通过 Amazon Q Business 插件实现。 […]
自 2022 年 11 月发布 ChatGPT (OpenAI) 以来，生成式 AI 的使用在全球范围内迅速发展。保险业也在努力利用生成式人工智能。在保险业务中，人工智能正在考虑在各种实践中使用（并且在某些情况下已经实施）。 1 | 利用生成式人工智能进行产品开发和定价 生成式人工智能可以扩展数据源并开发反映客户需求的产品。例如，人工智能可用于分析保险市场的消费者趋势并开发产品。在此过程中，网络空间中的数据有可能被使用。还可以想象，生成式人工智能的大规模语言模型（LLM）可用于起草保险合同的条件和限制，以及供精算师设定保险费。 2｜生成客户接近方法人工智能生成建议通过使用人工智能，可以建议有效
Build generative AI applications quickly with Amazon Bedrock IDE in Amazon SageMaker Unified Studio
在本文中，我们将展示贵公司中的任何人都可以使用 Amazon Bedrock IDE 快速创建生成式 AI 聊天代理应用程序来分析销售绩效数据。通过简单的对话，业务团队可以使用聊天代理从结构化和非结构化数据源中提取有价值的见解，而无需编写代码或管理复杂的数据管道。
Query structured data from Amazon Q Business using Amazon QuickSight integration
在本文中，我们将展示 Amazon Q Business 如何与 QuickSight 集成，以使用户能够以统一的方式查询结构化和非结构化数据。通过集成，用户可以连接到 20 多个结构化数据源，例如 Amazon Redshift 和 PostgreSQL，同时通过可视化获得实时答案。Amazon Q Business 通过 QuickSight 将来自结构化源的信息与非结构化内容相结合，为用户查询提供全面的答案。
GAO 发现的内容美国国土安全部 (DHS) 执法机构报告称，在 2023 财年使用了 20 多种检测、观察和监控技术。这包括机构拥有或租赁的技术，以及机构通过第三方（如商业供应商和其他执法机构）访问的技术。例如，所有三个选定的 DHS 执法机构都报告称，他们已达成协议，可以查询或查看来自第三方自动车牌阅读器的信息，从而使执法人员可以访问全国范围的车牌数据源。选定的 DHS 机构还报告称，他们使用了各种分析软件，包括一些基于人工智能 (AI) 的软件，这些软件可以增强其检测、观察和监控技术的能力。图：检测、观察和监控技术的示例DHS 正在制定政策和程序来解决使用人工智能的技术带来的偏见风险，但
Search enterprise data assets using LLMs backed by knowledge graphs
在本文中，我们将介绍一种生成式 AI 驱动的语义搜索解决方案，使业务用户能够快速准确地在各种企业数据源中找到相关数据资产。在此解决方案中，我们集成了托管在 Amazon Bedrock 上的大型语言模型 (LLM)，这些模型由基于 Amazon Neptune 构建的知识图谱派生的知识库提供支持，以创建强大的搜索范例，使基于自然语言的问题能够集成对存储在 Amazon Simple Storage Service (Amazon S3) 中的文档、托管在 AWS Glue 数据目录中的数据湖表以及 Amazon DataZone 中的企业资产的搜索。
在当今数据密集型业务环境中，组织面临着从分散在其基础设施中的各种数据源中提取有价值见解的挑战。无论是数据库中的结构化数据还是文档存储库中的非结构化内容，企业通常都难以有效地查询和使用这些丰富的信息。在本文中，我们将探讨如何使用 Amazon […]
DXC transforms data exploration for their oil and gas customers with LLM-powered tools
在本博文中，我们向您展示了 DXC 和 AWS 如何合作使用大型语言模型 (LLM) 构建 AI 助手，使用户能够访问和分析来自各种数据源的不同数据类型。AI 助手由智能代理提供支持，该代理将用户问题路由到针对不同数据类型（例如文本、表格和特定于域的格式）优化的专用工具。它利用 LLM 理解自然语言、编写代码和推理对话上下文的能力。
From RAG to fabric: Lessons learned from building real-world RAGs at GenAIIC – Part 2
本博文重点介绍如何在异构数据格式上执行 RAG。我们首先介绍路由器，以及它们如何帮助管理不同的数据源。然后，我们给出如何处理表格数据的提示，最后介绍多模式 RAG，特别关注处理文本和图像数据的解决方案。
在本文中，我们探讨了 Principal 如何使用 QnABot 与 Amazon Q Business 和 Amazon Bedrock 配对来创建 Principal AI 生成式体验：一种用户友好、安全的内部聊天机器人，可更快地访问信息。使用生成式 AI，Principal 的员工现在可以专注于更深入的基于人类判断的决策，而不是花时间手动从数据源中搜索答案。
OpenAI, Google, & Anthropic Face Hurdles In Advancing AI Models, Casting Doubt On Near-Term AGI
OpenAI、Google 和 Anthropic 在推进 AI 模型方面面临障碍，对近期的 AGITech 公司产生怀疑，这些专注于聊天机器人开发的公司，如 OpenAI、Google 和 Anthropic，在推进大型语言模型方面面临着重大的短期阻力。尽管投入了数百亿美元，但这些科技公司在推进更复杂的 LLM 方面却收益递减。消息人士告诉彭博社，OpenAI 的新 LLM Orion 遇到了性能限制。这意味着新的 LLM 将胜过该公司现有的模型，但这并不意味着开发会有显著的飞跃，就像 GPT-3 到 GPT-4 那样。例如，截至夏末，Orion 在尝试回答未经训练的编码问题时就失败了，知情
Enhance customer support with Amazon Bedrock Agents by integrating enterprise data APIs
生成式 AI 已经改变了客户支持，使企业能够更快、更准确地做出响应，并实现更大的个性化。由大型语言模型 (LLM) 提供支持的 AI 代理可以分析复杂的客户查询，访问多个数据源并提供相关、详细的响应。在这篇文章中，我们将指导您将 Amazon Bedrock Agents 与企业数据集成 […]
