From idea to AI app: Creating intelligent research assistants with Strands
构建人工智能应用程序不需要机器学习 (ML) 博士学位，也不需要花费数月时间研究复杂的架构。然而，当您尝试编排多个 API 调用、管理对话状态并创建可以自行推理的代理时，就会发生这种情况。我已经看到简单的人工智能想法迅速发展成需要[...]
在这篇文章中，您将学习如何构建一个多代理活动审核系统，该系统使用集成架构（结合了 NVIDIA NIM 进行 GPU 加速推理）来演示并行推理、上下文持久性和可追踪执行路径。 Amazon Bedrock AgentCore 提供托管运行时、共享内存和内置可观察性，Strands Agents 提供无服务器多代理编排。此方法支持生产环境中的性能、可扩展性和操作洞察力。虽然该示例侧重于营销内容审核，但相同的模式也适用于数字助理、审核自动化和检索增强生成管道。
Multimodal evaluators: MLLM-as-a-judge for image-to-text tasks in Strands Evals
如果您正在构建视觉购物、图像或文档理解或图表分析，您需要一种方法来验证模型的响应是否确实基于源图像。纯文本评估器无法告诉您标题是否忠实地描述了图像、提取的发票总额是否与文档匹配、或者屏幕摘要是否[...]
Build Strands Agents with SageMaker AI models and MLflow
在这篇文章中，我们演示了如何使用 Strands Agents SDK 以及部署在 SageMaker AI 端点上的模型来构建 AI 代理。您将了解如何从 SageMaker JumpStart 部署基础模型，将其与 Strands Agent 集成，以及使用 SageMaker Serverless MLflow 进行代理跟踪建立生产级可观测性。我们还介绍了如何跨多个模型变体实施 A/B 测试，使用 MLflow 指标评估代理性能，并展示如何在您控制的基础设施上构建、部署和持续改进 AI 代理。
Break the context window barrier with Amazon Bedrock AgentCore
在本文中，您将了解如何使用 Amazon Bedrock AgentCore Code Interpreter 和 Strands Agents SDK 实施递归语言模型 (RLM)。最后，您将了解如何在上下文大小没有上限的情况下处理不同长度的文档，使用 Bedrock AgentCore Code Interpreter 作为迭代文档分析的持久工作内存，以及在沙盒 Python 环境中编排次大语言模型 (sub-LLM) 调用来分析特定文档部分。
Announcing OpenAI-compatible API support for Amazon SageMaker AI endpoints
今天，Amazon SageMaker AI 推出了针对实时推理终端节点的 OpenAI 兼容 API 支持。如果您使用 OpenAI SDK、LangChain 或 Strands Agents，您现在可以通过仅更改端点 URL 来调用 SageMaker AI 上的模型。您不需要自定义客户端、SigV4 包装器或代码重写。概述 通过此次发布，SageMaker AI 端点 [...]
Build AI-powered dashboard automation agents with NLP on Amazon Bedrock AgentCore
该解决方案结合了 Amazon Bedrock AgentCore、Strands Agents 和 Amazon Quick 转换的强大功能，提供安全、可扩展的智能系统，用于构建和操作 AI 代理，同时将数据转换为可操作的业务洞察。
来自 Vashlovani 国家公园和 Chachuna 管理保护区（格鲁吉亚）的新的有趣蜘蛛（节肢动物门、蜘蛛目）。对在不同地点短途外出以及前往瓦什洛瓦尼国家公园和恰楚纳管理保护区期间单独收集的 IIS 蜘蛛进行了鉴定，从而识别出 22 个物种，其中 3 个被描述为新物种：Harpactea digitalata Seropian，sp。十一月（♂，Dedoplistskaro）（Dysderidae），Leptopilos longiembolus Seropian 和 Japaridze，sp。十一月（♂，Vashlovani 国家公园），以及 Palpimanus obscurus S
