亚马逊AWS官方博客
Category: Artificial Intelligence
HAQM Bedrock 助力 SolveX.AI 构建智能解题 Agent,打造头部教育科技应用
关于 SolveX.AI SolveX.AI 是一款由 PIGEON LIMITED 开发的教育类应用,在教育 […]
基于 HAQM Q Developer CLI 和 HAQM Bedrock Knowledge Bases 实现智能问答系统
本文详细分享如何利用 HAQM Q Developer CLI(以下简称 Q CLI) 和 HAQM Bedrock Knowledge Bases(以下简称 Bedrock KB) 快速构建端到端的智能问答系统。我们将从网页爬取 FAQ 开始,到构建高效知识库,实现全流程自动化,帮助企业轻松迈入 AI 客户服务新时代。
翰德 Hudson 携手亚马逊云科技,基于 MCP Agent 重塑智能招聘新范式
本文分享翰德 Hudson 与亚马逊云科技合作,通过 MCP(Model Context Protocol)协议构建标准化多 Agent 工具调用框架,实现简历解析、岗位匹配、候选人洞察等功能模块的动态协同。依托亚马逊云科技的 AI 服务与 Serverless 架构优势将日均简历处理效率提升 150%。
AWS 一周综述:Strands Agents、AWS Transform、HAQM Bedrock Guardrails、AWS CodeBuild 等(2025 年 5 月 19 日)
近期活动精彩纷呈! 上周我参加了意大利的人工智能周活动。本周我将前往苏黎世参加瑞士 AWS Community […]
正式发布 AWS Transform for .NET — 首个用于大规模现代化 .NET 应用程序的 agentic AI 服务
我以 .NET 开发人员的身份开启职业生涯,并见证了 .NET 在过去几十年的发展。和你们中的许多人一样,我也 […]
准确率从 19% 提升至 95%!文本审核模型优化的三个阶段实践(下)
在之前的文章中,我们详细阐述了大模型文本审核模型优化项目的前两个阶段。第一阶段通过数据分析与初步优化,成功将误判率从 81.9% 降至 11.47%;第二阶段借助误判分类与提示词工程,进一步将误判率降低至 0%。然而,这些方法也暴露出系统复杂、维护成本高、扩展性差等问题。本文将聚焦于项目的第三阶段 —— 模型微调方案,介绍如何通过训练专门的文本分类模型,为审核系统打造更简洁、高效的长期解决方案。
准确率从 19% 提升至 95%!文本审核模型优化的三个阶段实践(上)
本文将分享一个真实案例,详细介绍如何通过数据分析、提示词工程和模型微调,将一个审核准确率仅 10% 的文本审核系统优化至接近 95% 的准确度。 该项目服务于一家经营海外聊天软件的公司,其用户注册审核环节存在严重的误判问题。我们通过三个阶段的系统性优化,成功解决了这一难题,并在实践过程中探索了不同技术路径的优劣,为类似场景提供了极具价值的参考方案。本文将重点聚焦前两个优化阶段,后续还会专门推出文章介绍第三阶段的模型微调方案。
使用 HAQM Q Developer CLI 快速搭建各种场景的 Flink 数据同步管道
使用 HAQM Q CLI 快速搭建 Flink 管道,只需要描述需求,即可构建代码和服务组件,进行部署和测试,完成整个部署流程,大量节省时间,即使不熟悉 Flink 开发也可以使用。
飞书多维表格利用 HAQM Bedrock AI 能力赋能业务
本文将利用 AI 捷径字段的开放能力,实现飞书多维表格与 HAQM Bedrock 的集成,并演示 AI 赋能业务的典型场景。
使用 HAQM Q Developer CLI 调用 MCP Server 实现 AWS Support 案例自动创建
如何从零开始搭建 MCP server 并注册到 HAQM Q Developer CLI中,通过自建的 MCP server 扩充了 Q Developer CLI 的能力,增强了运维的自动化的工作效率 。