为 Amazon Aurora PostgreSQL 设计负责任的 AI 控制措施
AWS 将八项负责任 AI(RAI)维度映射到 Amazon Aurora PostgreSQL 的能力上,并以基于 RAG 的客服机器人为参考用例,深入实现其中的可解释性维度。
AWS 将八项负责任 AI(RAI)维度映射到 Amazon Aurora PostgreSQL 的能力上,并以基于 RAG 的客服机器人为参考用例,深入实现其中的可解释性维度。
Amazon Bedrock Managed Knowledge Base 与 Amazon Bedrock AgentCore memory 集成,通过 AgenticRetrieveStream 请求中的 memoryConfiguration 把 AgentCore memory 变为知识库之外的检索源,自动恢复会话、提取并调用用户长期记忆。
Amazon Bedrock Managed Knowledge Base 新增表格检索,可在智能体检索中对 CSV、XLSX、XLS 文件按整表运行代码并给出带引用的答案。
Novo Nordisk 的 Tablet 制造技术团队基于 Amazon Bedrock AgentCore 构建了智能支持系统,让主题专家原本需要数小时或数天完成的工作缩短到几分钟。
Amazon Bedrock Managed Knowledge Base 新增检索指令功能,可按租户定制回答的语气、格式、检索引导和回答策略。指令作为受管、带版本的 Amazon Bedrock 资源创建,请求可指定版本,默认使用 DRAFT,首个 Planning trace 事件会返回 appliedInstruction。
Agent Toolkit for AWS 的 amazon-bedrock 技能新增知识库迁移指南,让编码智能体协助把客户自管知识库迁移到 Amazon Bedrock Managed Knowledge Base。
AWS 生成式 AI 创新中心(现属 AWS Frontier AI Engineering & Services)开放了 23 个生产级可复用资产目录,覆盖 RAG 流水线、文档处理、智能体脚手架等组件,可将开发时间从数月缩短至数周。
多向量嵌入模型可通过 Token Pooling 合并相似 token 向量来压缩存储,而 pooling 感知训练能让编码器在合并时保留关键信息。在 pool_factor=4、文档向量减少 4 倍的条件下,常规训练模型保留未池化 NanoBEIR nDCG@10 的 94.6%,感知训练将这一保留率提升至 97.8%。
Amazon Bedrock Managed Knowledge Base 通过 AgenticRetrieveStream 新增单次 RAG 和仅检索两种模式,与原有智能体检索共用同一 API。maxAgentIteration 取值范围扩展至 0–5:0 为仅返回匹配段落、不调用基础模型,1 为单次检索后生成答案,更高值则进行多轮规划检索。三种模式均支持多个知识库。
Kuken Industries 借助 OpenAI API 检索 70 年的冷却塔图纸,工程师查找一张维修所需图纸的时间从近一小时缩短至 4.5 分钟。
Taxbit 在 Amazon Bedrock AgentCore 上构建了嵌入仪表盘的 AI 助手 Taxbit Assist,基于 Strands Agents SDK 运行,由系统提示词、模型和 8 个工具组成,答案均带来源链接。
Box 在开发者大会上发布 Box Content Retrieval,将 Nvidia 的 Nemotron 嵌入系统集成进产品核心,让智能体基于嵌入元数据回答查询。Nvidia 生成式 AI 软件副总裁 Kari Briski 称查询速度提升 4 倍、错误减少 20%、token 用量减少 90%。该功能面向所有 Box Enterprise Advance 客户,明年初开始推送。
Amazon Quick 通过 S3 知识库接入非结构化文档、通过增强数据集接入结构化数据,并用单个对话式 AI 智能体统一查询两类数据。用户可在 Space 工作区中组合两类数据源,自定义聊天智能体自动判断查询知识库、数据集或两者,并返回带引用的合并回答。该方案要求 Enterprise 订阅,S3 桶默认只读权限,回答遵循提问用户的权限。
Circle K 基于 Amazon Bedrock 构建智能体式自动分诊系统,将 DevOps 事故平均分诊时间从 45–60 分钟降至 15 分钟以内,按内部指标降幅达 67–75%。
基于 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK,可构建多智能体工程助手,自动完成零件替代评估中的跨文档比对。
针对需要精细控制网页内容的场景,可用开源 Python 爬虫 Crawl4AI 为 Amazon Bedrock Knowledge Bases 做自定义预处理:将每页 Markdown 与元数据 sidecar 写入 Amazon S3,再经 S3 数据源导入知识库。
Peec AI 研究员 David Konitzny 分析发现,OpenAI 授权合作方的新闻、食谱、产品评测等内容通过名为 labrador 的专用通道进入 ChatGPT,以预生成摘要形式排在所有网页结果之前,而普通网页只以原始文本片段提供。
文章演示如何用 AWS CDK 在 Amazon Bedrock Managed Knowledge Base 上部署企业级智能体检索系统。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了多智能体自然语言界面 Agentic Decision Engine(ADE),第一阶段约 80% 的用户问题无需工程师介入即可解决。
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手,覆盖零售运营、兽医护理、人事入职和采购,支持四种语言、三个国家,无需自管 RAG 基础设施。
Octave 在 Amazon Bedrock 上用 Cohere Embed v4 构建三层多租户 AI 基础平台,将每个用例的部署时间缩短 50%。该平台为 Reliance 质量管理系统嵌入 2 亿级文档,并通过 AgentCore Gateway 隔离执行、Bedrock Guardrails 双重过滤保障租户数据不越界。
本文演示用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体,联邦查询 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 三处数据源。
基于 Amazon Bedrock AgentCore 的 AI 智能体系统可自动生成 PowerPoint 演示文稿,内部测试中不到 90 秒完成。
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI,可将自然语言问题转换为 Sonar 查询。
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验,在查询时直接向权威数据源核实权限,避免依赖可能过期或映射错误的 ACL 数据。
Qlik 基于 Amazon Bedrock 打造 Qlik Answers,为全球超 4 万名客户提供带来源引用的企业级问答,2026 年 2 月正式可用后其 Discovery Agent 已为客户发现超 10 万条洞察。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为向量,参数量 7.4 亿。Google 称其在多模态嵌入基准上超过参数量两倍的竞品,在 Massive Text Embedding Benchmark(Code)上得分 78.68,较前代 68.76 提升近 10 分。
Amazon Bedrock Managed Knowledge Base 现已支持智能体检索,通过 AgenticRetrieveStream API 将多部分问题拆解为子查询、执行检索、判断证据是否充分并在不足时再次搜索,而 Retrieve API 仅执行单次混合搜索。
MIT Technology Review 对 300 名数据与 AI 高管的调研显示,企业平均仅 34% 的智能体 AI 项目能进入生产环境,数据与知识薄弱是主要失败点。生产领先者(平均 61% 项目过试点)在语义知识能力上更强,55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业计划优先投资摄取管道、AI-ready API、RAG 与知识图谱来打通数据与智能体。
Ai2 开源 AstaBrief 8B,一个把研究问题和检索到的文献片段转成带引用报告的模型,已在 Asta 的 Generate a report 功能中作为 Fast 模式上线,同时开放模型权重和训练数据。
推荐理由:Ai2 公开了 AstaBrief 的训练数据构造、引用过滤与评测细节,可了解小模型做科研报告生成的取舍。
AWS 提出 Adjudicated Query 设计模式,让业务用户在 Amazon Quick 聊天界面提问合规问题,实际判定交由确定性规则引擎完成,模型只负责把自然语言翻译成固定类型操作并复述结果。该模式通过完整性回执保证"已扫描=合规+违规+模糊+不可读",避免 RAG 的抽样盲区和 text-to-SQL 的静默缩小风险,适用于租约合规、制裁筛查、保险理赔等场景。
Amazon Bedrock Knowledge Bases 支持通过 AgenticRetrieveStream API 用自然语言查询理赔文档,并返回带引用的答案。
Condé Nast 与 AWS 生成式 AI 创新中心合作,基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案,采用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与转录文本信号,将单次内容检索耗时从 250 分钟降至 2 分钟以内。
AWS 发布基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台方案,用 AI 智能体从合同 PDF 中抽取八个关键字段并交叉验证,签名识别分歧由 Amazon Textract 裁定。该方案将结构化结果存入 Amazon Aurora PostgreSQL,通过嵌入式仪表盘和自然语言查询同时支持组合级聚合与单份合同检索,典型情况下数秒处理一份合同。
NarrateAI 在 Amazon Bedrock 上通过五项技术实现约 99% 的数值准确率并实时流式返回结果,服务超过 4000 名 AWS 高管。这五项技术分别是自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估框架和数据准确性验证,其中约 90% 的查询走单次快速路径,仅约 10% 走并行批处理路径。
Datacor 将 Amazon Quick Sight 嵌入 TrackAbout 方案,为工业气体与焊接分销商提供交互式仪表盘和自然语言查询,业务用户无需提 IT 工单即可分析租赁数据。其 TrackAbout 客户合计管理 2750 万个资产、每月处理超 72.5 万张账单,底层通过跨云自动化管道将数据刷新至 SPICE。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,只是审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是打包的团队经验,后者是连接工具与数据的标准,可组合使用;RAG 并未消亡,它让模型基于训练数据外的文档、内部知识和代码库上下文作答,避免浪费 token 并减少不完整回答。
Google 在 Gemini Enterprise Agent Platform 中以公开预览形式推出基于 Agentic RAG 的 Cross-Corpus Retrieval。
推荐理由:原文拆解了多智能体 RAG 的规划、检索与上下文校验流程,并给出跨语料检索的准确率与延迟数据。