Automatically redact PII in images with Amazon Nova
在这篇文章中，我们介绍了一个由 Amazon Nova 指导的多步骤管道，该管道使用其上下文视觉推理来协调互补工具，包括部署在 Amazon SageMaker AI 上用于像素级分割的 Meta 开源 Segment Anything Model (SAM 3) 和用于光学字符识别 (OCR) 的 Amazon Textract。该管道旨在提供全面且合规的 PII 编辑，即使是具有挑战性的边缘情况，例如任意方向的指纹、身份证或车牌。
Data modeling best practices for Amazon Quick Sight multi-dataset relationships
今天，我们很高兴地宣布 Amazon Quick Sight 中的多数据集关系。这项新功能允许您定义 Quick Sight 数据集之间的逻辑关系并在查询时执行运行时联接。您无需提前展平表，而是将每个表保留为其自己的 Quick Sight 数据集，并在 Quick Sight 主题内声明这些数据集如何相互关联。
Multi-dataset Topic best practices for Amazon Quick Chat
本文适用于为基于自然语言聊天的探索构建或优化 Quick Sight 主题的数据架构师、商业智能 (BI) 工程师和分析工程师。
在这篇文章中，我们将介绍什么是数据集丰富、它与旧主题有何不同，并提供三种迁移场景和分步指导，以便您可以放心地将业务上下文迁移到数据集层。
Data modeling patterns for Amazon Quick Sight multi-dataset relationships
在这篇文章中，我们从概念转向模式。对于每个模式，您将找到表结构、用例、实施步骤和示例 SQL 查询。我们还介绍了需要额外建模步骤的高级场景的解决方法，并总结了当前的限制。
Build a serverless image editing agent with Amazon Bedrock AgentCore harness
这篇文章逐步介绍了如何构建一个无服务器图像编辑器，用户可以在其中上传照片，用简单的英语描述编辑内容，并在几秒钟内收到结果。代理在 AgentCore 线束上运行，无需自定义编排代码。我们使用单个部署命令部署完整的解决方案，包括身份验证、加密存储、三个图像编辑工具和一个 React 前端。基础设施是使用 AWS 云开发套件 (AWS CDK) 定义的。
How AWS Finance teams reclaimed hundreds of hours with Amazon Quick
在这篇文章中，我们展示了 AWS Finance 如何使用 Amazin Quick 中的聊天代理和 Flows 来转变其两个最耗时的工作流程。
'Project Hail Mary' is finally streaming Amazon Prime Video, and we can't wait to watch it again
“Project Hail Mary”于 7 月 3 日开始在 Prime Video 上播出。
Agoge 教学计划：https://linktw.in/klytYf 订阅：http://bit.ly/NickKoumalatsossub 看看我的精彩电影！：http://bit.ly/NickKoumalatsosTopVideos 我的电子书绝罚武士：https://www.nickkoumalatsos.com/excommunicated-warrior/ 观察我：Fb https://www.fb.com/NickKoumalatsos82 Instagram https://www.instagram.com/nickkoumalatsos/ Twitter https://
Life After Retirement A New Chapter #newchapter #podcast
Agoge 教学计划：https://linktw.in/klytYf 订阅：http://bit.ly/NickKoumalatsossub 看看我的 Prime 电影！：http://bit.ly/NickKoumalatsosTopVideos 我的指南 Excommunicated Warrior：https://www.nickkoumalatsos.com/excommunicated-warrior/ 观察我：Fb https://www.fb.com/NickKoumalatsos82 Instagram https://www.instagram.com/nickkoumal
Run NVIDIA Nemotron and OpenAI GPT OSS models on Amazon Bedrock in AWS GovCloud (US)
我们很高兴在 AWS GovCloud（美国）中引入基于美国的前沿开放权重模型。通过此版本，Amazon Bedrock 现在支持 OpenAI 的开放权重 GPT OSS 模型（120B 和 20B）和 NVIDIA Nemotron（Nano 9B v2、Nano 12B v2、Nano 30B、Super 120B）模型。在这篇文章中，我们将介绍这些模型及其功能、数据驻留的推理选项、可用的服务层以及如何开始。
How Amazon Bedrock catches AI-generated phishing
通过网络钓鱼进行社会工程仍然是发起网络攻击的最常见策略之一。人工智能生成的网络钓鱼电子邮件现在给管理电子邮件系统的安全团队带来了新的挑战，由于其先进性而显着增加了风险。现代社会工程师使用生成式人工智能和开源情报 (OSINT) 来制作数千条独特的消息 [...]
How Inscribe uses Amazon Bedrock to stop document fraud in seconds
在本文中，您将了解 Inscribe 如何使用 Amazon Bedrock 开发代理 AI 系统，以专业欺诈分析师的方式跨文档进行推理。借助这一新的代理 AI 系统，Inscribe 现在可以在 90 秒内检测到被篡改、伪造和 AI 生成的财务文档。这比传统的人工审核提高了 20 倍，同时保持了金融服务法规所要求的准确性和可解释性。
Accelerate protein design with BoltzGen on Amazon SageMaker AI
在这篇文章中，我们演示了如何在 SageMaker AI 上部署 BoltzGen 并运行端到端蛋白质设计实验。在演练结束时，您将拥有一个可从快速验证运行扩展到生产批处理的工作设置。该设置为不同的研究阶段提供了两种执行模式，并使用步骤级缓存来减少迭代工作流程期间的计算费用。
Immigrating to America #podcast
Agoge 教学计划：https://linktw.in/klytYf 订阅：http://bit.ly/NickKoumalatsossub 看看我的精彩电影！：http://bit.ly/NickKoumalatsosTopVideos 我的电子书绝罚战士：https://www.nickkoumalatsos.com/excommunicated-warrior/ 听从我：Fb https://www.fb.com/NickKoumalatsos82 Instagram https://www.instagram.com/nickkoumalatsos/ Twitter https://
The Complexity of American Notion
Agoge 教学计划：https://linktw.in/klytYf 订阅：http://bit.ly/NickKoumalatsossub 看看我的精彩电影！：http://bit.ly/NickKoumalatsosTopVideos 我的电子书绝罚战士：https://www.nickkoumalatsos.com/excommunicated-warrior/ 观察我：Fb https://www.fb.com/NickKoumalatsos82 Instagram https://www.instagram.com/nickkoumalatsos/ Twitter https://
Multi-tenant LLM analytics with row-level security: How we built a secure agent on AWS
在这篇文章中，我们将向您展示 PAR 如何构建一个生产就绪的多租户 LLM 分析系统，该系统通过三层架构强制执行行级安全性：使用 AWS SigV4 进行加密请求签名、Amazon Bedrock 上的语义验证以及通过 Split-Plane SQL 进行编程数据隔离。我们演示了每一层如何独立运行，以降低跨租户数据暴露的风险，即使 LLM 本身受到损害或操纵也是如此。
Debugging production agents with Amazon Bedrock AgentCore Observability
在本文中，您将了解如何使用内置的可观察性功能来调试生产代理故障。我们介绍常见的故障模式，展示如何通过跟踪和指标分析代理行为，并提供结构化工作流程来解决无限循环和工具调用失败等问题。这是由两部分组成的系列的第 1 部分。第 2 部分介绍性能优化和内存管理。
