Weekly Review 29 November 2024
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：看起来每个人都在加入诉讼潮流。这种情况可能会持续下去，直到对使用数据训练人工智能是否构成复制数据做出最终裁决：https://techcrunch.com/2024/11/18/indian-news-agency-sues-openai-alleging-copyright-infringement/虽然大多数人对生成人工智能持乐观态度，但安全专家并不热衷于它：https://www.techrepublic.com/article/ciso-
How to Implement Agentic RAG Using LangChain: Part 2
了解如何使用实时信息检索和智能代理增强 LLM。
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。
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。
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。
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。
Autonomous Agents with AgentOps: Observability, Traceability, and Beyond for your AI Application
大型语言模型 (LLM) 等基础模型 (FM) 的自主代理的发展改革了我们解决复杂、多步骤问题的方式。这些代理执行从客户支持到软件工程的各种任务，导航结合推理、工具使用和记忆的复杂工作流程。然而，随着这些系统的能力和复杂性不断增长，可观察性、可靠性、[…]The post 具有 AgentOps 的自主代理：AI 应用程序的可观察性、可追溯性及其他方面首先出现在 Unite.AI 上。
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。
Weekly Review 15 November 2024
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：人工智能如何影响食品服务行业：https://www.informationweek.com/machine-learning-ai/how-ai-is-reshaping-the-food-services-industry在没有更多训练数据的情况下，人工智能模型在试图进一步提高性能方面开始遇到障碍：https://techcrunch.com/2024/11/09/openai-reportedly-developing-new-strate
Deliver personalized marketing with Amazon Bedrock Agents
在这篇文章中，我们演示了一种使用 Amazon Bedrock Agents、Amazon Bedrock Knowledge Bases、Amazon Bedrock Developer Experience 和 Amazon Personalize 的解决方案，这些解决方案允许营销人员节省时间并使用生成式 AI 增强解决方案提供高效的个性化广告。我们的解决方案是一个营销代理，展示了 Amazon Personalize 如何根据相关特征和行为有效地细分目标客户。此外，通过使用 Amazon Bedrock Agents 和基础模型 (FM)，我们的工具可以生成针对每个目的量身定制的个性化创
Enhance customer support with Amazon Bedrock Agents by integrating enterprise data APIs
生成式 AI 已经改变了客户支持，使企业能够更快、更准确地做出响应，并实现更大的个性化。由大型语言模型 (LLM) 提供支持的 AI 代理可以分析复杂的客户查询，访问多个数据源并提供相关、详细的响应。在这篇文章中，我们将指导您将 Amazon Bedrock Agents 与企业数据集成 […]
Agentic AI: How Large Language Models Are Shaping the Future of Autonomous Agents
继生成式 AI 兴起之后，随着代理式 AI 的出现，人工智能即将迎来另一场重大变革。这一变革是由大型语言模型 (LLM) 演变为主动决策实体所推动的。这些模型不再局限于生成类似人类的文本；它们正在获得推理能力，[…] 文章代理式 AI：大型语言模型如何塑造自主代理的未来首先出现在 Unite.AI 上。
AI Agent Workflows: A Complete Guide on Whether to Build With LangGraph or LangChain
深入研究由同一创建者开发的两个库 — LangChain 和 LangGraph：它们的关键构建块、它们如何处理核心功能，以及如何根据你的用例决定使用哪个库语言模型已经为用户如何与 AI 系统交互以及这些系统如何通过自然语言相互通信提供了可能性。当企业想要使用 Agentic AI 功能构建解决方案时，第一个技术问题通常是“我使用什么工具？”对于那些急于入门的人来说，这是第一个障碍。来源：Dalle-3在本文中，我们将探讨用于构建 Agentic AI 应用程序的两个最流行的框架 — LangChain 和 LangGraph。在本文结束时，你应该彻底了解关键构建块，了解每个框架在处理核心功能
Create a generative AI-based application builder assistant using Amazon Bedrock Agents
代理工作流是一种全新的视角，它借助大型语言模型 (LLM) 作为推理引擎或大脑，构建基于动态和复杂业务用例的工作流。在这篇文章中，我们使用 Amazon Bedrock Agents 设置了一个代理，作为软件应用程序构建器助手。
在本文中，我们了解了 SnapLogic 的 Agent Creator 如何利用 Amazon Bedrock 提供低代码平台，使企业无需深厚的技术专业知识即可快速开发和部署强大的生成式 AI 应用程序。
Thomson Reuters Buys Materia Agentic AI Platform
汤森路透收购了 Materia，这是一家总部位于美国的税务、审计和会计代理 AI 平台。此举正值人们对 AI 代理的兴趣达到顶峰之际……
Luminance Joins The Agentic Flow, Launches ‘Lumi’
Luminance 最近接受了法学硕士 (LLM) 并追逐内部团队，正在推出一项名为 Lumi 的代理功能。这家总部位于英国的公司表示，他们的……
