亚马逊基岩知识库通过支持亚马逊OpenSearch服务托管群集的支持，扩大了其矢量商店的选项，从而进一步增强了其作为完全管理的检索增强发电（RAG）解决方案的能力。这种增强基于亚马逊基础知识库的核心功能，该功能旨在将基础模型（FMS）与内部数据源连接起来。这篇文章提供了一个全面的，分步的指南，以将亚马逊基础知识基础与OpenSearch服务托管群集作为其矢量商店。
How PayU built a secure enterprise AI assistant using Amazon Bedrock
Payu提供了一个全栈数字金融服务系统，可通过技术来满足商人，银行和消费者的财务需求。在这篇文章中，我们解释了如何为Payu团队提供企业AI解决方案，并使用Amazon Bedrock将AI访问民主化，而不会损害数据居住要求。
这篇文章与Nvidia的Andrew Liu，Chelsea Isaac，Zoey Zhang和Charlie Huang共同撰写。 Amazon Web服务（AWS）上的DGX Cloud代表了民主化获得高性能AI基础架构的重大飞跃。通过将NVIDIA GPU专业知识与AWS可扩展的云服务相结合，组织可以加速训练时间，降低操作复杂性并解锁[…]
Build AI-driven policy creation for vehicle data collection and automation using Amazon Bedrock
Sonatus与AWS生成AI创新中心合作，开发了自然语言界面，以使用生成AI生成数据收集和自动化策略。这项创新旨在将政策生成过程从几天减少到几分钟，同时使工程师和非专家都可以使用。在这篇文章中，我们探讨了如何使用Sonatus的Collector AI和Amazon Bedrock构建该系统。我们讨论背景，挑战和高级解决方案体系结构。
Build secure RAG applications with AWS serverless data lakes
在这篇文章中，我们探讨了如何使用无服务器数据湖体系结构构建安全的RAG应用程序，这是支持生成AI开发的重要数据策略。我们使用亚马逊Web服务（AWS）服务，包括Amazon S3，Amazon DynamoDB，AWS Lambda和Amazon Bedrock知识库来创建一个全面的解决方案，以支持可以扩展到结构化数据的非结构化数据资产。该帖子涵盖了如何为您的企业数据实施细粒度的访问控件，并设计元数据驱动的检索系统，以尊重安全边界。这些方法将帮助您最大程度地提高组织数据的价值，同时保持强大的安全性和合规性。
Build a conversational data assistant, Part 1: Text-to-SQL with Amazon Bedrock Agents
在这篇文章中，我们专注于使用Amazon Bedrock建立文本到SQL解决方案，Amazon Bedrock是一项用于构建生成AI应用程序的托管服务。具体来说，我们演示了亚马逊基岩代理商的功能。第2部分解释了我们如何扩展解决方案以使用Amazon Q快速提供业务见解，这是一位商业智能助理，以自动生成的可视化回答问题。
Long-running execution flows now supported in Amazon Bedrock Flows in public preview
我们宣布，在亚马逊基岩流动中的长期执行（异步）流量支持的公众预览。借助亚马逊基石流，您可以将基础型号（FMS），亚马逊基岩提示管理，亚马逊基岩代理，亚马逊基岩知识库，亚马逊基岩护栏和其他AWS服务一起构建和扩展预定义的生成AI工作流程。
Building intelligent AI voice agents with Pipecat and Amazon Bedrock – Part 2
在本系列的第1部分中，您了解了如何使用Amazon Bedrock和PipeCat的组合，这是语音和多模式对话AI代理的开源框架，以使用类似人类的对话AI来构建应用程序。您了解了语音代理的常见用例和级联模型方法，在此过程中，您可以在其中精心策划多个组件来构建语音AI代理。在这篇文章（第2部分）中，您探讨了如何使用语音到语音基础模型，亚马逊Nova Sonic以及使用统一模型的好处。
在时装行业中，团队经常会迅速进行创新，经常利用AI。共享内容，无论是通过视频，设计还是其他方式，都可以带来内容审核的挑战。产生和共享不适当，进攻或有毒内容的风险（通过故意或无意采取的行动）仍然存在风险。在这篇文章中，我们介绍了亚马逊基岩护栏的多模式毒性检测功能，以防止有毒内容。无论您是时装行业的企业巨头还是一个新兴的品牌，都可以使用此解决方案来筛选潜在的有害内容，然后才能影响品牌的声誉和道德标准。出于本文的目的，道德标准是指时装设计师可以创建的有毒，不尊重或有害内容和图像。
Use K8sGPT and Amazon Bedrock for simplified Kubernetes cluster maintenance
这篇文章展示了与Amazon Bedrock在AWS中运行K8SGPT的最佳实践：K8SGPT CLI和K8SGPT操作员。它展示了该解决方案如何通过连续监视和操作智能来帮助SRES简化Kubernetes群集管理。
How Rocket streamlines the home buying experience with Amazon Bedrock Agents
Rocketaiagent不仅仅是数字助理。这是由代理AI支持的重新构想客户参与方法。通过将Amazon Bedrock代理与Rocket的专有数据和后端系统相结合，Rocket在不等待的情况下创造了24/7的更智能，更可扩展和更多的人类体验。这篇文章探讨了火箭如何使用亚马逊基岩代理商将这种愿景带入生活，从而为AI驱动支持的新时代提供动力，该时代始终可用，深入个性化和建立以采取行动。
Query Amazon Aurora PostgreSQL using Amazon Bedrock Knowledge Bases structured data
在这篇文章中，我们讨论了如何使您的Amazon Aurora PostgreSQL兼容版数据可通过Amazon Bedrock知识库进行自然语言查询，同时保持数据新鲜度。
Configure fine-grained access to Amazon Bedrock models using Amazon SageMaker Unified Studio
在这篇文章中，我们演示了如何使用SageMaker Unified Studio和AWS Identity and Access Management（IAM）来为Amazon Bedrock模型建立强大的许可框架。我们展示了管理员如何在安全，协作的环境中精确管理哪些用户和团队可以访问特定模型。我们指导您创建粒状权限以控制模型访问，并使用常见企业治理方案的代码示例。
这篇文章演示了如何将Amazon Bedrock流媒体API与AWS AppSync订阅集成在一起，从而显着提高了AI助手响应能力和用户满意度。通过实施这种流媒体方法，全球金融服务组织将复杂查询的初始响应时间减少了约75％，从10秒到仅2-3秒，可以使用户能够在生成时查看响应，而不是等待完整的答案。
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。
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。
