Automate the creation of handout notes using Amazon Bedrock Data Automation
在这篇文章中，我们展示了如何使用Amazon BedRock数据自动化进行视频分析来构建自动化的无服务器解决方案，以将网络研讨会记录转换为全面讲义。我们会引导您完成Amazon Bedrock数据自动化的实现，以转录和检测幻灯片的变化，以及使用Amazon Bedrock Foundation Models（FMS）进行转录细化，并结合AWS步骤功能策划的Custom AWS Lambda功能。
Streamline GitHub workflows with generative AI using Amazon Bedrock and MCP
本博客文章探讨了如何使用Amazon Bedrock FMS，Langgraph和模型上下文协议（MCP）创建强大的代理应用程序，并具有处理GitHub工作流程的实际情况，该方案是问题分析的GitHub工作流程，代码修复和提取请求生成。
今天，我们很高兴地宣布，Mistral-Small-3.2-24B-Instruct-2506 - Mistral AI的240亿参数大语言模型（LLM），该模型（LLM）已优化，可通过Amazon Sagemaker Jumpstart和Amazon Bedrock Market Place，可用于增强跟随和减少的重复错误，并减少重复错误。亚马逊基岩市场是亚马逊基岩的一种能力，开发人员可以用来发现，测试和使用[…]
在这篇文章中，我们提出了一个完整的解决方案，用于微调和部署Web自动化任务的Llama-3.2-11b-Vision-Instruct模型。我们演示了如何在Amazon Elastic Kubernetes Service（Amazon EKS）上使用AWS深度学习容器（DLC）建立安全，可扩展和高效的基础架构。
在这篇文章中，我们研究了Nippon Life India Asset Management Limited采用的解决方案，该解决方案通过重写用户查询，汇总和重新响应来提高响应的准确性（NAIVE）抹布方法。所提出的解决方案使用增强的抹布方法，例如重新骑行来提高整体精度
Build a drug discovery research assistant using Strands Agents and Amazon Bedrock
在这篇文章中，我们演示了如何使用Strands Agents和Amazon Bedrock创建强大的研究助理来发现药物。该AI助手可以使用模型上下文协议（MCP）同时搜索多个科学数据库，合成其发现，并就药物靶标，疾病机制和治疗领域产生全面的报告。
Build an intelligent eDiscovery solution using Amazon Bedrock Agents
在这篇文章中，我们演示了如何使用Amazon Bedrock代理来建立智能的Ediscovery解决方案进行实时文档分析。我们展示了如何通过多代理体系结构一起部署专业代理进行文档分类，合同分析，电子邮件审核和法律文档处理。我们详细介绍实施细节，部署步骤和最佳实践，以创建可扩展的基础，组织可以适应其特定的Edissovery要求。
这篇文章介绍了一个无服务器的会议摘要系统，该系统利用了亚马逊底石的高级功能和亚马逊转录，以将录音转换为简洁，结构化和可行的摘要。通过自动化此过程，组织可以系统地捕获无数小时的时间，同时确保关键的见解，行动项目和决策是系统地捕获的，并使利益相关者可以访问。
Build real-time travel recommendations using AI agents on Amazon Bedrock
在这篇文章中，我们展示了如何使用Amazon Bedrock构建生成的AI解决方案，该解决方案通过将客户资料和偏好与实时定价数据相结合，从而创建定制的假日软件包。我们演示了如何使用亚马逊基础知识库来获取旅行信息，亚马逊基岩代理以进行实时飞行详细信息以及Amazon OpenSearch无服务器以进行有效的软件包搜索和检索。
Accenture scales video analysis with Amazon Nova and Amazon Bedrock Agents
这篇文章是与埃森哲的伊兰·盖勒（Ilan Geller），卡马尔·曼纳尔（Kamal Mannar），德巴斯米塔·戈什（Debasmita Ghosh）和纳库尔·阿格瓦尔（Nakul Aggarwal）一起撰写的。视频亮点提供了一种强大的方法来促进受众参与度并扩展内容出版商的内容价值。这些简短的高影响力剪辑捕获了关键时刻，这些时刻可以推动观众保留，在社交媒体上放大覆盖范围，增强品牌身份并开放新的[…]
亚马逊基岩知识库通过支持亚马逊OpenSearch服务托管群集的支持，扩大了其矢量商店的选项，从而进一步增强了其作为完全管理的检索增强发电（RAG）解决方案的能力。这种增强基于亚马逊基础知识库的核心功能，该功能旨在将基础模型（FMS）与内部数据源连接起来。这篇文章提供了一个全面的，分步的指南，以将亚马逊基础知识基础与OpenSearch服务托管群集作为其矢量商店。
How PayU built a secure enterprise AI assistant using Amazon Bedrock
Payu提供了一个全栈数字金融服务系统，可通过技术来满足商人，银行和消费者的财务需求。在这篇文章中，我们解释了如何为Payu团队提供企业AI解决方案，并使用Amazon Bedrock将AI访问民主化，而不会损害数据居住要求。
这篇文章与Nvidia的Andrew Liu，Chelsea Isaac，Zoey Zhang和Charlie Huang共同撰写。 Amazon Web服务（AWS）上的DGX Cloud代表了民主化获得高性能AI基础架构的重大飞跃。通过将NVIDIA GPU专业知识与AWS可扩展的云服务相结合，组织可以加速训练时间，降低操作复杂性并解锁[…]
Build AI-driven policy creation for vehicle data collection and automation using Amazon Bedrock
Sonatus与AWS生成AI创新中心合作，开发了自然语言界面，以使用生成AI生成数据收集和自动化策略。这项创新旨在将政策生成过程从几天减少到几分钟，同时使工程师和非专家都可以使用。在这篇文章中，我们探讨了如何使用Sonatus的Collector AI和Amazon Bedrock构建该系统。我们讨论背景，挑战和高级解决方案体系结构。
Long-running execution flows now supported in Amazon Bedrock Flows in public preview
我们宣布，在亚马逊基岩流动中的长期执行（异步）流量支持的公众预览。借助亚马逊基石流，您可以将基础型号（FMS），亚马逊基岩提示管理，亚马逊基岩代理，亚马逊基岩知识库，亚马逊基岩护栏和其他AWS服务一起构建和扩展预定义的生成AI工作流程。
在时装行业中，团队经常会迅速进行创新，经常利用AI。共享内容，无论是通过视频，设计还是其他方式，都可以带来内容审核的挑战。产生和共享不适当，进攻或有毒内容的风险（通过故意或无意采取的行动）仍然存在风险。在这篇文章中，我们介绍了亚马逊基岩护栏的多模式毒性检测功能，以防止有毒内容。无论您是时装行业的企业巨头还是一个新兴的品牌，都可以使用此解决方案来筛选潜在的有害内容，然后才能影响品牌的声誉和道德标准。出于本文的目的，道德标准是指时装设计师可以创建的有毒，不尊重或有害内容和图像。
Use K8sGPT and Amazon Bedrock for simplified Kubernetes cluster maintenance
这篇文章展示了与Amazon Bedrock在AWS中运行K8SGPT的最佳实践：K8SGPT CLI和K8SGPT操作员。它展示了该解决方案如何通过连续监视和操作智能来帮助SRES简化Kubernetes群集管理。
Query Amazon Aurora PostgreSQL using Amazon Bedrock Knowledge Bases structured data
在这篇文章中，我们讨论了如何使您的Amazon Aurora PostgreSQL兼容版数据可通过Amazon Bedrock知识库进行自然语言查询，同时保持数据新鲜度。
