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。
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。
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。
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。
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。
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。
Build a just-in-time knowledge base with Amazon Bedrock
传统的检索增强发电（RAG）系统通过摄入和维护可能永远不会查询的文档的嵌入来消耗宝贵的资源，从而导致不必要的存储成本和降低的系统效率。这篇文章提出了一个即时知识库解决方案，该解决方案通过智能文档处理来减少未使用的消费。该解决方案仅在需要时处理文档，并自动删除未使用的资源，因此组织可以扩展其文档存储库，而无需按比例增加基础架构成本。
Transforming network operations with AI: How Swisscom built a network assistant using Amazon Bedrock
在这篇文章中，我们探讨了瑞士Com的如何发展其网络助理。我们讨论了最初的挑战，以及他们如何实现提供可衡量收益的解决方案。我们检查技术体系结构，讨论关键学习，并查看可以进一步改变网络操作的未来增强功能。
Use Amazon SageMaker Unified Studio to build complex AI workflows using Amazon Bedrock Flows
在这篇文章中，我们演示了如何使用SageMaker Unified Studio使用Amazon Bedrock Flow创建复杂的AI工作流程。
Accelerating AI innovation: Scale MCP servers for enterprise workloads with Amazon Bedrock
在这篇文章中，我们使用亚马逊基地提供了一个集中式的模型上下文协议（MCP）服务器实现，该服务器为企业AI工作负载提供了共享的工具和资源访问权限。该解决方案使组织能够通过MCP对资源和工具进行标准化，同时通过集中式方法来维持安全和治理，从而加速AI创新。
Amazon Bedrock Agents observability using Arize AI
今天，我们很高兴宣布Arize AI和Amazon Bedrock代理商之间的新整合，该集合解决了AI开发中最重要的挑战之一：可观察性。在这篇文章中，我们演示了用于追踪和评估的Arize Phoenix系统。
Build an agentic multimodal AI assistant with Amazon Nova and Amazon Bedrock Data Automation
在这篇文章中，我们演示了如何使用Langgraph启用人工智能和机器学习（AI/ML）开发人员和企业建筑师可以采用和扩展的端到端解决方案，例如检索增强发电（RAG），多工具编排（多工具编排）等代理工作流程。我们介绍了财务管理AI助手的示例，该示例可以通过分析收益电话（音频）和演示幻灯片（图像）以及相关的财务数据提要来提供定量研究和扎根财务建议。
Building a custom text-to-SQL agent using Amazon Bedrock and Converse API
在自然语言处理（NLP）和数据库管理领域中，开发强大的文本到SQL功能是一个关键的挑战。 NLP和数据库管理的复杂性在该领域增加，尤其是在处理复杂的查询和数据库结构时。在这篇文章中，我们使用自定义代理实现以及Amazon Bedrock和Converse API引入了一个简单而强大的解决方案，并随附代码与随附的代码一起使用。
Build conversational interfaces for structured data using Amazon Bedrock Knowledge Bases
本文提供了使用实用的代码示例和模板配置结构化数据检索解决方案的说明。它涵盖了实施样本和其他注意事项，使您能够快速构建和扩展对话数据界面。
