在这篇文章中，我们展示了NetSertive如何使用Amazon Bedrock和Amazon Nova向MLX推出了一位生成的AI驱动助手，以使他们的下一代平台栩栩如生。
How VideoAmp uses Amazon Bedrock to power their media analytics interface
在这篇文章中，我们说明了一家媒体测量公司VideoAmp与AWS生成AI创新中心（Genaiic）团队合作，开发了VideoAmp自然语言（NL）分析聊天机器人的原型，以使用Amazon Bedrock在媒体分析中大规模地揭示有意义的见解。
Adobe enhances developer productivity using Amazon Bedrock Knowledge Bases
Adobe使用Amazon Bedrock知识库和Amazon OpenSearch无服务器的Amazon Bedrock知识库和矢量引擎合作。该解决方案极大地改善了他们的开发人员支持系统，从而提高了检索准确性20％。在这篇文章中，我们讨论了该解决方案的细节以及Adobe如何提高其开发人员的生产率。
Gardenia Technologies是一家数据分析公司，与AWS原型和云工程（PACE）团队合作开发了Report Report Genai，Genai是一种全自动的ESG报告解决方案，该解决方案由Amazon Bedrock上最新的AI模型提供动力。这篇文章深入研究了使用带有检索增强发电（RAG）和文本到SQL功能的工具的代理搜索解决方案背后的技术，以帮助客户将ESG报告时间最多减少75％。我们演示了AWS无服务器技术如何与亚马逊基岩中的代理相结合，用于构建可扩展且高度灵活的基于代理的文档助理应用程序。
Llama 3.3 Nemotron Super 49b V1 AndlAma 3.1 Nemotron Nano 8b V1现在可以在Amazon Bedrock Marketplace和Amazon Sagemaker Jumpstart中获得。现在，您可以在此发布中，您可以部署Nvidia的Newewest推理模型来构建，实验，实验性地逐步扩展您的生成ai aws aws aws aws aws。
Automate customer support with Amazon Bedrock, LangGraph, and Mistral models
在这篇文章中，我们演示了如何使用Amazon Bedrock和Langgraph为电子商务零售商建立个性化的客户支持体验。通过整合Mistral大型2和Pixtral大型模型，我们指导您自动化关键客户支持工作流程，例如票务分类，订单详细信息提取，损害评估和产生上下文响应。
Build responsible AI applications with Amazon Bedrock Guardrails
在这篇文章中，我们演示了亚马逊基岩护栏如何有助于阻止有害和不希望的多模式内容。使用医疗保险呼叫中心方案，我们介绍配置和测试各种护栏的过程。
Build a serverless audio summarization solution with Amazon Bedrock and Whisper
在这篇文章中，我们演示了如何使用开放式AI窃窃私语粉底型（FM）Whisper大型V3 Turbo，该涡轮在亚马逊基岩市场上可用，该市场可通过专用产品访问140多个型号，以生产几乎实时转录。然后，这些转录由亚马逊基岩处理，以汇总和敏感信息的修复。
Contextual retrieval in Anthropic using Amazon Bedrock Knowledge Bases
上下文检索通过在生成嵌入之前向每个块添加块的解释性上下文来增强传统抹布。这种方法通过相关的上下文信息丰富了向量表示，在响应用户查询时，可以更准确地检索语义相关的内容。在这篇文章中，我们演示了如何使用人类和亚马逊基石知识库使用上下文检索。
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。
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。
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％。
