Build Agentic Workflows with OpenAI GPT OSS on Amazon SageMaker AI and Amazon Bedrock AgentCore
在这篇文章中，我们展示了如何将GPT-OSS-20B模型部署到SageMaker托管端点，并演示了与Langgraph的实用库存分析仪代理助理示例，Langgraph是一个强大的基于图形的框架，可处理状态管理，协调的工作流程和持久的内存系统。
Streamline access to ISO-rating content changes with Verisk rating insights and Amazon Bedrock
在这篇文章中，我们深入研究了由亚马逊基石，大语言模型（LLM）和检索增强发电（RAG）提供支持的Verisk评级见解如何改变客户与客户互动的方式并访问ISO ERC更改。
Unified multimodal access layer for Quora’s Poe using Amazon Bedrock
在这篇文章中，我们探讨了AWS生成AI创新中心和Quora如何合作建立一个统一的包装器API框架，该框架大大加速了在Quora的Poe系统上的Amazon Bedrock FMS的部署。我们详细介绍了POE与基于亚马逊底座REST基于的API的事件驱动的ServerEntevents协议桥接的技术架构，该协议演示了基于模板的配置系统如何将部署时间从天数减少到15分钟，并共享用于协议翻译，错误处理和多模式功能的实现模式。
How msg enhanced HR workforce transformation with Amazon Bedrock and msg.ProfileMap
在这篇文章中，我们分享了MSG自动化数据如何用于MSG.ProfileMap，使用Amazon Bedrock为其大型语言模型（LLM）驱动的数据丰富工作流提供动力，从而在HR概念匹配，减少手动工作和改进的EUU AI AI Act and GDPR下的人力资源概念匹配，减少手动工作和改进的一致性。
Migrate from Anthropic’s Claude 3.5 Sonnet to Claude 4 Sonnet on Amazon Bedrock
这篇文章提供了一种系统的方法，可以从Anthropic的Claude 3.5十四行诗中迁移到Amazon Bedrock上的Claude 4十四行诗。我们检查了关键模型差异，突出了基本的迁移考虑，并提供了经过验证的最佳实践，以将这种必要的过渡转变为一种为您的组织带来可衡量价值的战略优势。
Oldcastle accelerates document processing with Amazon Bedrock
这篇文章探讨了Oldcastle与AWS合作的方式，使用Amazon Bedrock与Amazon swarktract一起改变了他们的文档处理工作流程。我们讨论了Oldcastle如何克服了他们以前的OCR解决方案的局限性，以自动处理每月数十万个POD文档的处理，从而大大提高准确性，同时减少手动努力。
在这篇文章中，我们探讨了伦敦证券交易所集团（LSEG）如何使用亚马逊基岩和Anthropic的Claude Foundation模型来建立一个自动化系统，从而显着提高了市场监视操作的效率和准确性。
Build trustworthy AI agents with Amazon Bedrock AgentCore Observability
在这篇文章中，我们将带您浏览Amazon Bedrock代理商运行时托管的两个代理商以及在其他服务上托管的代理商，例如Amazon Elastic Compute Cloud（Amazon EC2），Amazon Elastic Kubernetes Service（Amazon EKS），AWS Lambda或其他云提供者。我们还分享了整个开发生命周期中可观察性的最佳实践。
这篇文章演示了如何使用Strands代理快速构建复杂的AI代理，用Amazon Bedrock Agent可靠地扩展它们，并使它们可以通过Librechat熟悉的界面访问，以推动整个机构的立即采用。
Enhancing LLM accuracy with Coveo Passage Retrieval on Amazon Bedrock
在这篇文章中，我们展示了如何将Coveo的通过API部署为Amazon Bedrock Adent Action Group，以提高响应精度，因此Coveo用户可以使用其当前的索引来快速在其组织中迅速部署新的生成体验。
Build a serverless Amazon Bedrock batch job orchestration workflow using AWS Step Functions
在这篇文章中，我们引入了一种灵活且可扩展的解决方案，该解决方案简化了批处理推理工作流程。该解决方案提供了一种高度可扩展的方法来管理您的FM批处理推理需求，例如为数百万个文档生成嵌入方式，或使用大型数据集运行自定义评估或完成任务。
Detect Amazon Bedrock misconfigurations with Datadog Cloud Security
我们很高兴地宣布Datadog Cloud Security的新安全功能，可以帮助您在成为安全事件之前检测和补救亚马逊基石错误配置。这种集成可以通过提供三个关键优势来帮助组织嵌入强大的安全控制，并确保其对强大的亚马逊Bedrock的功能：整体AI安全性，通过将AI安全性整合到您的更广泛的云安全策略中，通过确定潜在的AI相关安全性问题，以帮助他们在符合ai ai In II的合规性方面通过识别潜在的AI相关安全性，并帮助识别与Prections AI Inii ni ai ni ai ni ai ni ni ni ai ni ai vetections vetections vetections
在这篇文章中，我们宣布，Inception Labs的Mercury和Mercury Coder基金会模型现在可以通过Amazon Bedrock Marketplace和Amazon Sagemaker Jumpstart获得。我们演示了如何部署这些基于超快速扩散的语言模型，这些模型可以在NVIDIA H100 GPU上每秒生成1,100个令牌，并在代码生成和工具使用方案中展示其功能。
Inline code nodes now supported in Amazon Bedrock Flows in public preview
我们很高兴地宣布，在亚马逊基岩流中公开预览了对内联代码节点的支持。借助这种强大的新功能，您可以在工作流程中直接编写Python脚本，从而减轻对简单逻辑的单独AWS lambda函数的需求。此功能简化了预处理和后处理任务（例如数据归一化和响应格式），简化了生成的AI应用程序开发并使在组织之间更容易访问。
How Infosys Topaz leverages Amazon Bedrock to transform technical help desk operations
在此博客中，我们研究了一个大型能源供应商的用例，其技术帮助办公桌代理接听客户的电话和支持现场代理。我们使用Amazon Bedrock以及Infosys Topaz™的功能来构建一个生成的AI应用程序，该应用程序可以减少呼叫处理时间，自动化任务并提高技术支持的整体质量。
How Infosys built a generative AI solution to process oil and gas drilling data with Amazon Bedrock
我们使用亚马逊基岩利用了Infosys Topaz™AI功能，为石油和天然气行业量身定制了一个高级的抹布解决方案。该解决方案在处理多模式数据源，无缝处理文本，图表和数值数据方面表现出色，同时维护不同数据元素之间的上下文和关系。在这篇文章中，我们提供有关解决方案的见解，并引导您浏览不同的方法和架构模式，例如在开发过程中使用不同的分块，多向量检索和混合搜索。
Introducing Amazon Bedrock AgentCore Gateway: Transforming enterprise AI agent tool development
在这篇文章中，我们讨论了亚马逊基础代理网关，这是一项完全管理的服务，通过为企业与工具和服务连接企业如何通过为代理工具通信的统一界面提供统一的界面，从而彻底改变了企业的AI代理。该服务提供关键功能，包括安全保护，翻译，组成，目标扩展性，基础架构管理器和语义工具选择，同时为入站和出站连接实施复杂的双面安全体系结构。
我们很高兴共享亚马逊基础数据自动化模型上下文协议（MCP）服务器，以在Amazon Q和您的企业数据之间进行无缝集成。在这篇文章中，您将学习如何使用Amazon Bedrock数据自动化MCP服务器与AWS服务安全集成，使用BedRock Data Automation Automation Operations用作可召唤的MCP工具，并使用Amazon Q建立对话性开发体验。
