How Twitch used agentic workflow with RAG on Amazon Bedrock to supercharge ad sales
在本文中，我们展示了我们如何创新地构建具有代理工作流和 Amazon Bedrock 上的知识库的检索增强生成 (RAG) 应用程序。我们在基于 Slack 聊天的助手中实施了 RAG 管道，以使 Amazon Twitch 广告销售团队能够快速抓住新的销售机会。
Search enterprise data assets using LLMs backed by knowledge graphs
在本文中，我们将介绍一种生成式 AI 驱动的语义搜索解决方案，使业务用户能够快速准确地在各种企业数据源中找到相关数据资产。在此解决方案中，我们集成了托管在 Amazon Bedrock 上的大型语言模型 (LLM)，这些模型由基于 Amazon Neptune 构建的知识图谱派生的知识库提供支持，以创建强大的搜索范例，使基于自然语言的问题能够集成对存储在 Amazon Simple Storage Service (Amazon S3) 中的文档、托管在 AWS Glue 数据目录中的数据湖表以及 Amazon DataZone 中的企业资产的搜索。
RAG Evolution – A Primer to Agentic RAG
什么是 RAG（检索增强生成）？检索增强生成 (RAG) 是一种将大型语言模型 (LLM) 的优势与外部数据检索相结合的技术，以提高生成的响应的质量和相关性。传统的 LLM 使用其预先训练的知识库，而 RAG 管道将在运行时查询外部数据库或文档并检索相关信息 […]文章 RAG 演变 - Agentic RAG 入门首先出现在 Unite.AI 上。
The Ultimate Guide to RAGs — Each Component Dissected
RAG 终极指南 — — 剖析每个组件视觉导览构建生产就绪的 LLM 管道所需的条件让我们学习 RAG 吧！（图片来自作者）如果您使用过大型语言模型，很有可能您至少听说过 RAG（检索增强生成）这个术语。RAG 的想法非常简单 — — 假设您想向 LLM 提问，您首先要从外部知识库中检索相关信息，而不是仅仅依赖 LLM 的预训练知识。然后，将检索到的信息与问题一起提供给 LLM，使其生成更明智、最新的响应。将标准 LLM 调用与 RAG 进行比较（来源：图片来自作者）那么，为什么要使用检索增强生成呢？当提供准确和最新的信息是关键时，您不能依赖 LLM 的内置知识。 RAG 是一种廉价实用的方法
Exploring AI Tools for Research: Transforming How We Approach Knowledge
探索用于研究的 AI 工具：改变我们处理知识的方式 人工智能 (AI) 已经彻底改变了各个行业，其对学术研究的影响尤其深远。对于研究人员来说，AI 工具提供了广泛的机会，从简化数据分析到增强文献综述流程，再到提高预测模型的准确性。这篇博文深入探讨了 AI 工具塑造研究格局的多种方式，帮助研究人员更有效地工作并发现其领域的新见解。那些刚接触 AI 研究或希望扩展知识的人可以从宝贵的资源中受益，例如乔治城大学关于用于研究的 AI 工具的综合指南，可在此处获得：(https://guides.library.georgetown.edu/ai/tools)。AI 工具在文献综述过程中非常有用。通过实
在本文中，我们将演示如何部署上下文 AI 助手。我们构建了一个解决方案，使用 Amazon Bedrock 知识库、Amazon Lex 和 Amazon Connect 为用户提供熟悉且方便的界面，并使用 WhatsApp 作为渠道。
Choosing Between LLM Agent Frameworks
构建定制的基于代码的代理和主要代理框架之间的权衡。作者提供的图片感谢 John Gilhuly 对本文的贡献。代理正处于发展阶段。随着多个新框架和该领域的新投资，现代 AI 代理正在克服不稳定的起源，迅速取代 RAG 成为实施优先事项。那么 2024 年最终会成为自主 AI 系统接管编写电子邮件、预订航班、与我们的数据对话或任何其他任务的一年吗？也许，但要达到这一点还有很多工作要做。任何构建代理的开发人员不仅必须选择基础——使用哪种模型、用例和架构——还必须选择要利用哪个框架。您会选择长期存在的 LangGraph 还是新进入的 LlamaIndex Workflows？或者你走传统路线，自己
Institutional data repositories are vital | Science
随着资助机构和出版商重申对研究数据共享的期望 (1)，许多高等教育机构通过将研究人员与本地基础设施连接起来，并配备专门的人员，减轻数据共享的负担，表明了他们对长期管理研究数据的承诺。机构知识库就是这种投资的一个例子 (2)。它们为研究人员提供支持，以共享可能丢失的数据：没有学科知识库的数据、资金有限的项目的数据或太大而无法在其他地方持续存储的数据。机构知识库提供的人员和技术基础设施确保负责任地访问信息，同时考虑长期保存和与国际标准保持一致 (3–5)。为了确保继续访问宝贵的研究数据，出版商和资助机构必须将机构知识库视为负责任且可靠的数据共享解决方案。
Generative AI-powered technology operations
在本文中，我们将介绍 AWS 生成式 AI 解决方案（包括 Amazon Bedrock、Amazon Q Developer 和 Amazon Q Business）如何进一步提高 TechOps 生产力、缩短解决问题的时间、增强客户体验、标准化操作程序并扩充知识库。
Elevate customer experience through an intelligent email automation solution using Amazon Bedrock
在本文中，我们向您展示了如何使用 Amazon Bedrock 自动回复客户查询的电子邮件。使用我们的解决方案，您可以识别客户电子邮件的意图，如果意图与您现有的知识库或数据源匹配，则发送自动回复。如果意图不匹配，电子邮件将发送给支持团队进行手动回复。
A Practical Framework for Search Evaluation
通过搜索提升用户体验和业务绩效的数据驱动方法搜索评估 — 图片来自inspiring.team搜索功能强调了当今几乎每种数字资产的用户体验。无论是电子商务平台、内容丰富的网站还是内部知识库，搜索结果的质量都会决定用户的满意与否。但您如何真正知道您的搜索算法是否返回了相关结果？您如何确定它是否满足了用户需求并推动了业务目标？虽然这是一个非常重要的子应用程序，但我们实际上缺乏一种结构化的方法来评估搜索算法。这就是这个搜索算法评估框架所提供的。通过制定系统化的搜索质量评估程序，企业将能够获得有关其算法执行情况的有意义的见解，了解应在哪些方面努力推动改进，并学会衡量一段时间内的进展。在这篇文章中，我们
Scale Up Your RAG: A Rust-Powered Indexing Pipeline with LanceDB and Candle
为大规模文档处理构建高性能嵌入和索引系统照片由 Marc Sendra Martorell 在 Unsplash 上拍摄1. 简介最近，检索增强生成 (或简称 RAG) 已成为使用大型语言模型构建生成式 AI 应用程序的事实标准。RAG 通过确保生成模型使用适当的上下文来增强文本生成，同时避免了为同一任务微调 LLM 所涉及的时间、成本和复杂性。RAG 还允许更有效地使用外部数据源并更轻松地更新模型的“知识”。尽管基于 RAG 的 AI 应用程序通常可以使用更适中或更小的 LLM，但它们仍然依赖于嵌入和索引所需知识库的强大管道，以及能够有效地检索并将相关上下文注入模型提示。在许多用例中，可以使
Frequently Asked Questions About Answers Cloud Migration
今年夏天，信息技术服务 (ITS) 将把 Answers 知识库迁移到云端，提供更好的协作、新功能以及增强的知识管理和分发。在迁移之前，ITS 编制了以下常见问题列表...
#221 – Douglas Lenat: Cyc and the Quest to Solve Common Sense Reasoning in AI
道格拉斯·莱纳特 (Douglas Lenat) 是 Cyc 的创始人，Cyc 是一个为期 37 年的项目，旨在解决人工智能中的常识知识和推理问题。请查看我们的赞助商来支持此播客：- Squarespace：https://lexfridman.com/squarespace 并使用代码 LEX 获得 10% 的折扣- BiOptimizers：http://www.magbreakthrough.com/lex 获得 10% 的折扣- Stamps.com：https://stamps.com 并使用代码 LEX 获得免费邮资和秤- LMNT：https://drinkLMNT.com/le
Moonpreneur Announces Strategic Partnership with STEMmates
Moonpreneur 与澳大利亚的 STEMmates 建立了全球战略合作伙伴关系，将两家教育科技公司联合起来，通过科学、技术、工程和数学 (STEM) 方面的实践学习为孩子们赋能。此次合作汇集了实践学习、创业培训和技术接触等领域的深厚知识库，帮助孩子们提高技能，为未来做好准备。Moonpreneur Inc.，[…]Moonpreneur 宣布与 STEMmates 建立战略合作伙伴关系一文首先出现在 Moonpreneur 上。
Practices for Creating an AI Serving Engine
人工智能引擎审查和分析知识库中的信息，处理模型部署并检查性能。它们引入了一种新方法，应用程序可以利用人工智能来提高运营效率并帮助解决不同的业务挑战。
Искусственный интеллект поможет медицине при поддержке НБМЗ и Mail.ru Cloud Solutions
“国家医学知识库”协会 (NBMZ) 与云平台 Mail.ru 云解决方案 (MCS) 和实验室：斯科尔科沃国际医疗集群的医学人工智能、CSTI MIPT 的生物医学和数字技术、创新技术和人工智能 N.A. Semashko 研究所宣布完成一项资助计划，以支持医疗保健数字化领域的项目。
