Control which domains your AI agents can access
在本文中，我们将向您展示如何配置 AWS 网络防火墙以将 AgentCore 资源限制在已批准的互联网域的白名单中。这篇文章重点介绍使用 SNI 检查的域级过滤——深度防御方法的第一层。
Persist session state with filesystem configuration and execute shell commands
在这篇文章中，我们将介绍如何使用托管会话存储来保存代理的文件系统状态以及如何直接在代理环境中执行 shell 命令。
Accelerating software delivery with agentic QA automation using Amazon Nova Act
在这篇文章中，我们演示了如何通过 QA Studio 实施代理 QA 自动化，QA Studio 是使用 Amazon Nova Act 构建的参考解决方案。您将了解如何用自然语言定义自动适应 UI 更改的测试，探索大规模可靠地执行测试的无服务器架构，并获取适用于您的 AWS 环境的分步部署指南。
AWS launches frontier agents for security testing and cloud operations
我很高兴地宣布，AWS Security Agent 按需渗透测试和 AWS DevOps Agent 现已全面推出，代表了我们在 re:Invent 上宣布的一类新的 AI 功能，称为前沿代理。这些自主系统独立工作以实现目标，大规模扩展以处理并发任务，并在没有持续人工监督的情况下持续运行数小时或数天。这些代理正在共同改变我们保护和操作软件的方式。在预览版中，客户和合作伙伴报告称，AWS Security Agent 将渗透测试时间从几周压缩到几小时，并且 AWS DevOps Agent 支持将事件解决速度提高 3-5 倍。
Can your governance keep pace with your AI ambitions? AI risk intelligence in the agentic era
为静态部署设计的传统框架无法解决定义代理工作负载的动态交互。来自 AWS 生成式 AI 创新中心的 AI 风险情报 (AIRI) 提供了管理企业规模代理所需的自动化严格性，这是对安全、运营和治理如何系统地协同工作的根本性重新构想。
How Ring scales global customer support with Amazon Bedrock Knowledge Bases
在本文中，您将了解 Ring 如何对特定于区域的内容实施元数据驱动的过滤，将内容管理分为摄取、评估和推广工作流程，并在扩展的同时实现成本节约。
Reimagine marketing at Volkswagen Group with generative AI
在这篇文章中，我们探讨了大众汽车集团在大规模生产符合品牌要求的营销资产时所面临的挑战。我们将介绍如何构建生成式 AI 解决方案，该解决方案可生成逼真的车辆图像、验证组件级别的技术准确性，并帮助在十个品牌之间强制执行品牌指南合规性。
Build a solar flare detection system on SageMaker AI LSTM networks and ESA STIX data
在这篇文章中，我们向您展示如何使用 Amazon SageMaker AI 构建和部署深度学习模型，以使用欧洲航天局 STIX 仪器的数据来检测太阳耀斑。
在这篇文章中，我们将介绍两个使用案例，帮助使用代理 AI 工具和框架（包括 Strands Agents SDK、Amazon Bedrock AgentCore 和 Amazon Nova Sonic 2.0）增强用户观看体验。该代理人工智能系统使用模型上下文协议（MCP）来提供个人娱乐礼宾服务，通过自然对话了解用户偏好。
Run Generative AI inference with Amazon Bedrock in Asia Pacific (New Zealand)
今天，我们很高兴地宣布 Amazon Bedrock 现已在亚太地区（新西兰）区域 (ap-southeast-6) 推出。新西兰的客户现在可以直接在奥克兰地区访问 Anthropic Claude 模型（Claude Opus 4.5、Opus 4.6、Sonnet 4.5、Sonnet 4.6 和 Haiku 4.5）和 Amazon (Nova 2 Lite) 模型，并进行跨区域推理。在这篇文章中，我们将探讨新西兰区域的跨区域推理的工作原理、通过地理和全球路由提供的模型，以及如何开始首次 API 调用。我们
Accelerating LLM fine-tuning with unstructured data using SageMaker Unified Studio and S3
去年，AWS 宣布了 Amazon SageMaker Unified Studio 与 Amazon S3 通用存储桶之间的集成。这种集成使团队可以轻松地将存储在 Amazon Simple Storage Service (Amazon S3) 中的非结构化数据用于机器学习 (ML) 和数据分析用例。在这篇文章中，我们展示了如何将 S3 通用存储桶与 Amazon SageMaker Catalog 集成，以使用 Amazon SageMaker Unified Studio 微调 Llama 3.2 11B Vision Instruct 以实现视觉问答 (VQA)。
Unlocking video insights at scale with Amazon Bedrock multimodal models
在这篇文章中，我们探讨了 Amazon Bedrock 的多模式基础模型 (FM) 如何通过三种不同的架构方法实现可扩展的视频理解。每种方法都是针对不同的用例和成本性能权衡而设计的。
Deploy SageMaker AI inference endpoints with set GPU capacity using training plans
在这篇文章中，我们将介绍如何搜索可用的 p 系列 GPU 容量、创建推理训练计划预留以及在该预留容量上部署 SageMaker AI 推理端点。我们跟踪数据科学家的旅程，因为他们保留模型评估的能力并在整个预订生命周期中管理端点。
Integrating Amazon Bedrock AgentCore with Slack
在本文中，我们演示如何使用 AWS 云开发套件 (AWS CDK) 构建 Slack 集成。您将了解如何使用三个专门的 AWS Lambda 函数部署基础设施、正确配置事件订阅以处理 Slack 的安全要求，以及实施适用于许多代理用例的对话管理模式。
Run NVIDIA Nemotron 3 Super on Amazon Bedrock
本文探讨了 Nemotron 3 Super 模型的技术特征并讨论了潜在的应用用例。它还提供了技术指导，帮助您开始在 Amazon Bedrock 环境中将此模型用于生成 AI 应用程序。
Use RAG for video generation using Amazon Bedrock and Amazon Nova Reel
在这篇文章中，我们探索通过 VRAG 生成视频的方法，将自然语言文本提示和图像转换为接地气的高质量视频。通过这个完全自动化的解决方案，您可以从结构化文本和图像输入生成逼真的、人工智能驱动的视频序列，从而简化视频创建过程。
Introducing V-RAG: revolutionizing AI-powered video production with Retrieval Augmented Generation
本文介绍了视频检索增强生成 (V-RAG)，这是一种帮助改进视频内容创建的方法。通过将检索增强生成与先进的视频 AI 模型相结合，V-RAG 为生成 AI 视频提供了高效、可靠的解决方案。
Enhanced metrics for Amazon SageMaker AI endpoints: deeper visibility for better performance
SageMaker AI 端点现在支持具有可配置发布频率的增强指标。此次发布提供了监控、故障排除和改进生产端点所需的精细可见性。
