Accelerate enterprise AI implementations with Amazon Q Business
Amazon Q Business为AWS客户提供了一种可扩展且全面的解决方案，以增强组织整个组织的业务流程。通过仔细评估您的用例，实施最佳实践以及使用本文提供的架构指导，您可以部署Amazon Q业务来改变您的企业生产力。成功的关键在于启动小小的，快速证明价值，并在整个组织中系统地扩展。
Speed up delivery of ML workloads using Code Editor in Amazon SageMaker Unified Studio
在这篇文章中，我们介绍了如何在Sagemaker Unified Studio中使用新的代码编辑器和多个空格支持。示例解决方案显示了如何开发ML管道，该管道可以自动化典型的端到端ML活动以构建，训练，评估和（选择）部署ML模型。
Create personalized products and marketing campaigns using Amazon Nova in Amazon Bedrock
使用亚马逊基地的亚马逊新星建造，Thefragrance Lab代表了一个全面的端到端应用程序，该应用程序说明了生成AI在零售，消费品，广告和营销中的变革力。在这篇文章中，我们探讨了香水实验室的开发。我们的愿景是制作一种独特的物理和数字体验，可以庆祝创造力，广告和消费品，同时捕捉法国里维埃拉的精神。
Simplify access control and auditing for Amazon SageMaker Studio using trusted identity propagation
在这篇文章中，我们探讨了如何在Amazon Sagemaker Studio中启用和使用可信赖的身份传播，该工作室允许组织通过授予现有AWS IAM IAM身份中心身份的权限来简化访问管理。该解决方案演示了如何根据物理用户的身份实现细粒度的访问控件，在受支持的AWS服务中保持详细的审核日志，并支持长期运行的用户背景会话以进行培训工作。
How Infosys built a generative AI solution to process oil and gas drilling data with Amazon Bedrock
我们使用亚马逊基岩利用了Infosys Topaz™AI功能，为石油和天然气行业量身定制了一个高级的抹布解决方案。该解决方案在处理多模式数据源，无缝处理文本，图表和数值数据方面表现出色，同时维护不同数据元素之间的上下文和关系。在这篇文章中，我们提供有关解决方案的见解，并引导您浏览不同的方法和架构模式，例如在开发过程中使用不同的分块，多向量检索和混合搜索。
Introducing Amazon Bedrock AgentCore Gateway: Transforming enterprise AI agent tool development
在这篇文章中，我们讨论了亚马逊基础代理网关，这是一项完全管理的服务，通过为企业与工具和服务连接企业如何通过为代理工具通信的统一界面提供统一的界面，从而彻底改变了企业的AI代理。该服务提供关键功能，包括安全保护，翻译，组成，目标扩展性，基础架构管理器和语义工具选择，同时为入站和出站连接实施复杂的双面安全体系结构。
Optimizing Salesforce’s model endpoints with Amazon SageMaker AI inference components
在这篇文章中，我们分享了Salesforce AI平台团队如何优化GPU利用率，提高了资源效率并使用Amazon SageMaker AI，特别是推理组件来节省成本。
Building a RAG chat-based assistant on Amazon EKS Auto Mode and NVIDIA NIMs
在这篇文章中，我们使用全面的现代技术堆栈来证明实用的基于RAG聊天的助手。该解决方案将NVIDIA NIMS用于LLM推理和文本嵌入服务，而NIM操作员处理其部署和管理。该体系结构将Amazon OpenSearch无用的服务器融合到存储和查询高维矢量嵌入以进行相似性搜索。
Scalable intelligent document processing using Amazon Bedrock Data Automation
在博客文章可扩展的智能文档使用Amazon Bedrock中，我们演示了如何使用Amazon Bedrock上的拟人基础模型构建可扩展的IDP管道。尽管这种方法带来了强大的性能，但引入亚马逊基岩数据自动化为IDP解决方案带来了新的效率和灵活性。这篇文章探讨了亚马逊基岩数据自动化如何增强文档处理功能并简化自动化之旅。
我们很高兴共享亚马逊基础数据自动化模型上下文协议（MCP）服务器，以在Amazon Q和您的企业数据之间进行无缝集成。在这篇文章中，您将学习如何使用Amazon Bedrock数据自动化MCP服务器与AWS服务安全集成，使用BedRock Data Automation Automation Operations用作可召唤的MCP工具，并使用Amazon Q建立对话性开发体验。
Bringing agentic Retrieval Augmented Generation to Amazon Q Business
在这篇博客文章中，我们探讨了亚马逊Q业务如何通过代理检索增强发电（RAG）来改变企业数据交互。
总部位于马里兰州贝塞斯达的大学初创公司成立于2020年，旨在使高中生将教育扩展到传统课程之外。大学初创公司专注于全美学区的特殊教育和相关服务。在这篇文章中，我们解释了大学初创公司如何在AWS上使用生成的AI技术，以使学生能够为他们的教育或劳动力设计特定的计划。
Citations with Amazon Nova understanding models
在这篇文章中，我们演示了如何提示Amazon Nova理解模型引用响应中的来源。此外，我们还将介绍如何评估响应（和引用）的准确性。
Securely launch and scale your agents and tools on Amazon Bedrock AgentCore Runtime
在这篇文章中，我们探讨了亚马逊基石代理商运行时如何简化AI代理的部署和管理。
PwC and AWS Build Responsible AI with Automated Reasoning on Amazon Bedrock
这篇文章介绍了AWS和PWC如何开发新的推理检查，这些检查将深厚的行业专业知识与亚马逊基岩护栏的自动推理检查相结合，以支持创新。
How Amazon scaled Rufus by building multi-node inference using AWS Trainium chips and vLLM
在这篇文章中，亚马逊分享了他们如何使用Amazon Trainium Chips和VLLM为其生成的AI购物助理Rufus开发多节点推理解决方案，以大规模提供大型语言模型。该解决方案结合了领导者/追随者编排模型，混合并行性策略以及在亚马逊ECS上构建的多节点推理单元抽象层，以跨多个节点部署模型，同时保持高性能和可靠性。
Build an intelligent financial analysis agent with LangGraph and Strands Agents
这篇文章描述了一种结合三种强大技术的方法，以说明您可以适应并构建特定财务分析需求的体系结构：工作流程编排的langgraph，用于结构化推理的链代理以及用于工具集成的模型上下文协议（MCP）。
Amazon Bedrock AgentCore Memory: Building context-aware agents
在这篇文章中，我们探索了Amazon Bedrock AgentCore Memory，这是一项完全管理的服务，使AI代理能够保持直接和长期知识，将一次性的对话转变为用户与AI代理之间的连续，不断发展的关系。该服务消除了复杂的内存基础架构管理，同时提供了对AI代理所记住的内容的完全控制，为维持短期工作记忆和长期智能内存提供了强大的功能。
