Embodied AI Chess with Amazon Bedrock
在本文中，我们将演示使用 Amazon Bedrock 的 Embodied AI Chess，通过生成 AI 功能为传统国际象棋带来新的维度。我们的设置包括一个可以实时检测动作的智能棋盘，并配有两个执行这些动作的机械臂。每只手臂由不同的 FM（基本或自定义）控制。通过这种物理实现，您可以观察和试验不同的生成式 AI 模型如何在现实世界的国际象棋比赛中处理复杂的游戏策略。
Getting started with Amazon Bedrock Agents custom orchestrator
在本文中，我们将探讨 Amazon Bedrock Agents 如何简化生成式 AI 工作流的编排，特别是通过引入自定义编排器功能。您可以使用自定义编排器来微调和优化与特定业务和运营需求更紧密结合的代理工作流。我们概述了该功能的主要优势，包括对编排的完全控制、实时调整和可重用性，然后详细介绍了它如何管理 Amazon Bedrock Agents 和 AWS Lambda 之间的状态转换和基于合约的交互。
Use Amazon Bedrock Agents for code scanning, optimization, and remediation
对于云计算和软件开发领域的企业来说，提供安全的代码存储库至关重要。随着复杂的网络安全威胁变得越来越普遍，组织必须采取主动措施来保护其资产。Amazon Bedrock 通过自动扫描存储库中的漏洞并修复漏洞的过程提供了强大的解决方案。本文探讨了如何使用 Amazon Bedrock 来增强存储库的安全性并保持对组织和监管标准的合规性。
Create a generative AI assistant with Slack and Amazon Bedrock
客户体验、协作工具和相关数据的无缝集成是实现基于知识的生产力提升的基础。在这篇文章中，我们将向您展示如何将流行的 Slack 消息服务与 AWS 生成式 AI 服务集成，以构建一个自然语言助手，业务用户可以在其中询问非结构化数据集的问题。
这篇文章演示了如何使用 Amazon Bedrock Agents、Amazon Knowledge Bases 和 RAGAS 评估指标来构建自定义幻觉检测器并使用人机交互对其进行修复。代理工作流可以通过不同的幻觉补救技术扩展到自定义用例，并提供使用自定义操作检测和缓解幻觉的灵活性。
在本博文中，SophosAI 分享了使用 Amazon Bedrock 和 Amazon SageMaker 使用和评估开箱即用的 LLM 来提高安全运营中心 (SOC) 生产力的见解。我们使用 Amazon Bedrock 上的 Anthropic 的 Claude 3 Sonnet 来说明用例。
Create a virtual stock technical analyst using Amazon Bedrock Agents
在本文中，我们创建了一个虚拟分析师，可以使用 Amazon Bedrock Agents 回答符合某些技术指标标准的股票的自然语言查询。
Build a read-through semantic cache with Amazon OpenSearch Serverless and Amazon Bedrock
这篇文章介绍了一种优化基于 LLM 的应用程序的策略。鉴于对高效且经济高效的 AI 解决方案的需求日益增加，我们提出了一种使用重复数据模式的无服务器读取缓存蓝图。借助此缓存，开发人员可以有效地保存和访问类似的提示，从而提高系统的效率和响应时间。
Read graphs, diagrams, tables, and scanned pages using multimodal prompts in Amazon Bedrock
在本文中，我们演示了如何使用 Amazon Bedrock 上的模型从图像、表格和扫描文档中检索信息。我们提供以下示例：1/ 执行对象分类和对象检测任务，2/ 读取和查询图表，以及 3/ 读取流程图和架构图（例如 AWS 架构图）并将其转换为文本。
How 123RF saved over 90% of their translation costs by switching to Amazon Bedrock
这篇文章探讨了 123RF 如何使用 Amazon Bedrock、Anthropic 的 Claude 3 Haiku 和向量存储来高效翻译内容元数据、显著降低成本并提高其全球内容发现能力。
Orchestrate generative AI workflows with Amazon Bedrock and AWS Step Functions
本博文讨论了如何使用 AWS Step Functions 高效协调多步骤生成式 AI 工作流，例如并行化对 Amazon Bedrock 的 API 调用以快速收集已提交问题列表的答案。我们还介绍了使用检索增强生成 (RAG) 来优化输出并提供额外的精度，以及通过 Step Functions 进行的其他可能的集成。
Build generative AI applications on Amazon Bedrock with the AWS SDK for Python (Boto3)
在本博文中，我们将演示如何使用 Amazon Bedrock 和 AWS SDK for Python (Boto3) 以编程方式整合 FM。我们将探讨如何调用特定 FM 并处理生成的文本，展示开发人员在应用程序中使用这些模型用于各种用例的潜力
Amazon Bedrock Flows is now generally available with enhanced safety and traceability
今天，我们很高兴地宣布 Amazon Bedrock Flows（以前称为 Prompt Flows）正式推出。使用 Bedrock Flows，您可以快速构建和执行复杂的生成式 AI 工作流，而无需编写代码。Bedrock Flows 使开发人员和企业更容易利用生成式 AI 的强大功能，使您能够为客户创建更复杂、更高效的 AI 驱动解决方案。
Using responsible AI principles with Amazon Bedrock Batch Inference
在本文中，我们探讨了一种实用且经济高效的方法，将负责任的 AI 护栏纳入 Amazon Bedrock 批量推理工作流。虽然我们使用呼叫中心的记录摘要作为主要示例，但我们讨论的方法广泛适用于各种批量推理用例，其中道德考虑和数据保护是重中之重。
Automate Q&A email responses with Amazon Bedrock Knowledge Bases
在本文中，我们将说明如何使用 Amazon Bedrock Knowledge Bases 和 Amazon Simple Email Service (Amazon SES)（这两项都是完全托管的服务）自动回复电子邮件查询。通过将用户查询链接到相关的公司域信息，Amazon Bedrock Knowledge Bases 可提供个性化响应。
Streamline RAG applications with intelligent metadata filtering using Amazon Bedrock
在本文中，我们探索了一种创新方法，该方法使用 Amazon Bedrock 上的 LLM 智能地从自然语言查询中提取元数据过滤器。通过结合 LLM 函数调用和 Pydantic 数据模型的功能，您可以动态地从用户查询中提取元数据。这种方法还可以提高检索到的信息和 RAG 应用程序生成的响应的质量。
在本文中，我们演示了如何使用 Amazon Bedrock 及其功能（包括 Amazon Bedrock Agents、Amazon Bedrock Knowledge Bases 和 Amazon Bedrock Guardrails）创建自动电子邮件响应解决方案。
Automate building guardrails for Amazon Bedrock using test-driven development
Amazon Bedrock Guardrails 可帮助根据特定用例和负责任的 AI 政策为生成式 AI 应用程序实施保护措施。Amazon Bedrock Guardrails 通过检测和过滤不良和潜在有害内容，帮助控制用户与基础模型 (FM) 之间的交互，同时保持安全性和隐私性。在本文中，我们将探索一种使用测试驱动开发方法自动构建护栏的解决方案。
