Amazon Bedrock Guardrails宣布图像内容过滤器的一般可用性，使您能够在生成AI应用程序中调节图像和文本内容。在这篇文章中，我们讨论了如何从Amazon Bedrock Guardrails中使用图像内容过滤器开始。
How to configure cross-account model deployment using Amazon Bedrock Custom Model Import
在本指南中，我们将带您浏览分步说明，以配置Amazon Bedrock自定义模型导入的跨账户访问，并涵盖了基于加密的不加密和AWS密钥管理服务（AWS KMS）的情况。
Supercharge your development with Claude Code and Amazon Bedrock prompt caching
在这篇文章中，我们将探讨如何将Amazon Bedrock提示缓存与Claude Code相结合，这是由人类发布的编码代理，现在通常可用。这种功能强大的组合通过减少推理响应延迟以及降低输入令牌成本的响应来改变您的开发工作流程。
Enhanced diagnostics flow with LLM and Amazon Bedrock agent integration
在这篇文章中，我们探讨了Noodoe如何使用AI和Amazon Bedrock优化EV充电操作。通过集成LLM，Noodoe可以增强电台诊断，启用动态定价并提供多语言支持。这些创新降低了停机时间，最大化效率并提高了可持续性。继续阅读以发现AI如何转换电动汽车充电管理。
Build GraphRAG applications using Amazon Bedrock Knowledge Bases
在这篇文章中，我们探讨了如何在亚马逊基岩知识库中使用基于图的检索型生成（GraphRag）来构建智能应用程序。与传统矢量搜索（根据相似性分数检索文档）不同，知识图编码实体之间的关系，允许大型语言模型（LLMS）通过上下文感知的推理检索信息。
Fast-track SOP processing using Amazon Bedrock
当美国食品药品监督管理局（FDA）等监管机构引入法规变更时，需要组织来评估针对内部SOP的变化。在必要时，他们必须更新SOP，以与法规更改保持一致并保持合规性。在这篇文章中，我们使用亚马逊基岩展示了不同的方法，以识别法规变化与SOP之间的关系。
Zuru与AWS生成AI创新中心合作，并使用AWS专业服务，以使用Generative AI实施更准确的文本到层次底层计划生成器。在这篇文章中，我们向您展示了为什么选择使用大语言模型（LLM）的解决方案。我们探讨了如何使用模型选择，及时的工程和微调来改善结果。
Amazon Bedrock模型副本和模型共享功能为管理从开发到生产的AI应用程序的生命周期提供了有力的选择。在这篇全面的博客文章中，我们将深入了解模型共享和模型复制功能，在典型的开发到生产方案中探索其功能，好处和实际应用。
这篇文章探讨了使用生成AI模型和Amazon Bedrock部署文本到SQL管道，以向基因组学数据库提出自然语言问题。我们演示了如何使用AWS放大的AI助手Web界面，并解释用于生成SQL查询的及时工程策略。最后，我们提出了将服务部署在您自己的AWS帐户中的说明。
Gemma 3 27B model now available on Amazon Bedrock Marketplace and Amazon SageMaker JumpStart
我们很高兴地宣布，通过亚马逊基岩市场和亚马逊Sagemaker Jumpstart宣布Gemma 3 27B指示模型。在这篇文章中，我们向您展示了如何开始使用Amazon Bedrock Marketplace和SageMaker Jumpstart上的Gemma 3 27B指令，以及如何在应用程序中使用模型强大的指令遵循功能。
在这篇文章中，我们将浏览一个完整的应用程序，该应用程序使用Amazon Bedrock数据自动化处理多模式内容，将提取的信息存储在Anamazon BedRock知识库中，并通过基于RAG的Q＆A接口进行自然语言查询。
GuardianGamer scales family-safe cloud gaming with AWS
在这篇文章中，我们分享了GuardianGamer如何使用AWS服务，包括Amazon Nova和Amazon Bedrock来提供可扩展有效的监督平台。该团队使用亚马逊Nova进行聪明的叙事生成，为父母提供对孩子的游戏活动和社交互动的有意义的见解，同时保持了非侵入性的监测方法。
Optimize query responses with user feedback using Amazon Bedrock embedding and few-shot prompting
这篇文章演示了亚马逊基岩如何与用户反馈数据集结合使用，很少有射击提示，可以完善响应，以提高用户满意度。通过使用Amazon Titan Text Embeddings V2，我们证明了响应质量的统计学上显着改善，使其成为寻求准确和个性化响应的应用程序的宝贵工具。
Secure distributed logging in scalable multi-account deployments using Amazon Bedrock and LangChain
在这篇文章中，我们提出了一种解决分布式日志记录多学院部署的解决方案。
在这篇文章中，我们探讨了一家专门从事抵押服务和起源的金融服务公司Onity Group如何使用Amazon Bedrock和其他AWS服务来改变其文档处理能力。该解决方案有助于Onity与以前的OCR和AI/ML解决方案相比，将文档提取成本降低了50％，同时将整体准确度提高了20％。
Vxceed secures transport operations with Amazon Bedrock
aws与VXCECE合作支持其AI策略，从而开发了limoconnect Q，这是一种创新的地面运输管理解决方案。 VXCEED使用AWS服务，包括Amazon Bedrock和Lambda，成功地建立了一个安全的AI驱动解决方案，以简化Trip Trip预订和文档处理。
在这篇文章中，我们使用Amazon Elastic Kubernetes服务（EKS）与Amazon Bedrock一起演示了一个解决方案，以在AWS上为您的生成AI应用程序构建可扩展和容器化的RAG解决方案，同时将非结构化用户文件数据带入直接，快速和安全的方式，并将您的非结构用户文件数据带到Amazon Bedrock。
