Customize Amazon Quick embedded chat into your application
Amazon Quick 嵌入式聊天将对话式 AI 界面引入您的 Web 应用程序。这篇文章将介绍如何使用容器和 SDK 样式、品牌删除和自定义代理角色来自定义嵌入式聊天，使其与您的品牌的外观、感觉和声音相匹配。
Custom reward functions for multi-turn reinforcement learning with Amazon Nova Forge
在多轮强化学习中，您的自定义奖励函数决定模型实际学习的内容。这篇文章展示了如何为 Amazon Nova Forge 设计复合多轮奖励，在其中安全地执行模型生成的代码，并检测每个组件以捕获悄悄崩溃奖励的陷阱。
Connect an AgentCore Runtime hosted MCP server to Amazon Quick
在本文中，您将了解如何在 AgentCore Runtime 中部署和托管 MCP 服务器并将其与 Amazon Quick 集成以及先决条件。通过这种模式，您可以提高 AI 工具的可重用性并避免重复，因此客户端可以重用通过 MCP 服务器公开的常用工具和代理，而不是再次从头开始编写它们。您的客户可以在 Amazon Quick（聊天代理和工作流程）中使用您的产品，而无需为每个用例构建自定义连接器。
Governed reports with Amazon Quick Desktop and Amazon FSx for NetApp ONTAP
使用Amazon Quick Desktop和Amazon FSx for NetApp ONTAP构建受治理的每周报告工作流。Amazon S3接入点将批准文件夹暴露给Quick知识库，自定义技能生成带引用的每周报告和Slack摘要。
How Axonius built secure multi-tenant AI agents on Bedrock AgentCore
了解网络安全 SaaS 提供商 Axonius 如何使用 Amazon Bedrock AgentCore 在数百个客户环境中部署完全隔离的多租户 AI 代理，而无需从头开始构建自定义计算隔离、身份验证或可观察性基础设施。
Agent Skills for Automated Reasoning policies in Amazon Bedrock
了解如何从编码代理运行完整的 Amazon Bedrock Automated Reasoning 策略生命周期。一套开源代理技能套件可以端到端地构建、审查、测试、调试、部署和验证自定义策略，将专门的控制台任务转变为可重复的工程工作流程。
Determining playoff clinching scenarios in the NHL using constraint programming
AWS 生成式 AI 创新中心构建了一个自动化系统，该系统使用约束编程和自定义树搜索，以数学确定性确定 NHL 球队何时以及如何获得季后赛席位。该方法已根据 NHL 四个完整赛季的正式公布结果进行了验证。
