Build multi-agent systems with LangGraph and Amazon Bedrock
这篇文章演示了如何将开源多代理框架Langgraph与Amazon Bedrock集成。它解释了如何使用Langgraph和Amazon Bedrock来构建使用基于图的编排的功能强大的交互式多代理应用程序。
Dynamic text-to-SQL for enterprise workloads with Amazon Bedrock Agents
这篇文章演示了企业如何使用Amazon Bedrock代理实现可扩展的代理To To To-SQL解决方案，并具有高级错误处理工具和自动架构发现以提高数据库查询效率。
Generate user-personalized communication with Amazon Personalize and Amazon Bedrock
在这篇文章中，我们演示了如何使用Amazon个性化和亚马逊基石来使用视频启用用例为个体用户生成个性化的外展电子邮件。该概念可以应用于其他领域，例如吸引电子商务和数字营销用例的客户体验。
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。
Pixtral Large is now available in Amazon Bedrock
在这篇文章中，我们演示了如何从亚马逊基岩中的Pixtral大型模型开始。 PixTral大型多模式模型使您可以解决各种用例，例如文档理解，逻辑推理，手写识别，图像比较，实体提取，从扫描的图像中提取结构化数据以及字幕生成。
Harness the power of MCP servers with Amazon Bedrock Agents
今天，MCP正在为代理提供标准访问，以访问扩展的可访问工具列表，您可以使用这些列表来完成各种任务。在这篇文章中，我们向您展示了如何构建一个使用MCP访问数据源以快速构建生成AI应用程序的亚马逊基石代理。
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。
Build agentic systems with CrewAI and Amazon Bedrock
在这篇文章中，我们探讨了Crewai的开源代理框架如何与Amazon Bedrock结合使用，可以创建复杂的多代理系统，从而可以改变企业的运作方式。通过实际的示例和实施细节，我们演示了如何构建，部署和编排可以通过最少的人类监督来处理复杂任务的AI代理。
Amazon Bedrock launches Session Management APIs for generative AI applications (Preview)
Amazon Bedrock宣布了会话管理API的预览发布，这是一种新功能，使开发人员能够为使用Langgraph和LlamainDex等流行的开源框架构建的生成AI应用程序简化状态和上下文管理。会话管理API提供了一个开箱即用的解决方案，使开发人员能够在[…]
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。
Integrate generative AI capabilities into Microsoft Office using Amazon Bedrock
在这篇博客文章中，我们展示了一个强大的解决方案，该解决方案以基于Amazon Bedrock的大型语言模型（LLM）的形式无缝地集成了AWS生成的AI功能，以进入办公室体验。通过利用生成AI的最新进步，我们使员工能够在他们每天使用的工具中解锁新的效率和创造力水平。
在这篇文章中，我们使用Amazon Bedrock探索使用RAG创建文本到SQL应用程序。我们使用人类的Claude 3.5十四行诗型号来生成SQL查询，亚马逊基德岩中的亚马逊泰坦（Amazon Titan）用于文本嵌入，亚马逊基德岩（Amazon Bedrock）访问这些型号。
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。
