T
traeai
登录

公司

AWS

别名:Amazon Web Services、@awscloud

Cloud computing provider affiliated with the speaker and the agentic framework demo.

已跟踪 30 条高相关材料

TraeAI 观察

相关材料

已收录 30 条与 AWS 相关的内容,按评分排序。

AI Dev 26 x SF | Marc Brooker: It's Time to Be Right

AI Dev 26 x SF | Marc Brooker:是时候做对了

DeepLearning.AI2999 字 (约 12 分钟)
87

Marc Brooker 断言:Agentic AI 的落地规模取决于缺陷率,而非模型能力上限;把缺陷频率×严重性降到“低×低”才是解锁万亿美元市场的关键。

入选理由:缺陷率每降 1%,Agent 可覆盖的知识工作场景呈指数级扩大

精选视频#Agentic AI#AWS#缺陷率#知识工作#反馈循环英文
The platform cycle has turned. Here’s how partners win it.

平台周期的变化与合作伙伴

Elastic Blog1092 字 (约 5 分钟)
85

平台周期的变化导致客户开始 consolidation around platforms that deliver more outcomes on fewer contracts。

入选理由:Partners are becoming increasingly important in helping customers navigate change.

精选文章#AI#search#security#platform#partnership中文
Reducing container cold start times using SOCI index on DLAMI and DLC

使用 SOCI 索引在 DLAMI 和 DLC 上减少容器冷启动时间

AWS Machine Learning Blog1982 字 (约 8 分钟)
85

使用 SOCI 索引在 DLAMI 和 DLC 上减少容器冷启动时间

入选理由:SOCI 索引支持的 Deep Learning AMI 和 Containers 可以显著减少冷启动时间,提高生产环境的效率。

精选文章#AWS#containerization#deep learning#performance optimization中文
OpenAI Blog 图标

OpenAI 前沿模型和 Codex 现已在 AWS 上可用

OpenAI Blog417 字 (约 2 分钟)
85

OpenAI 的前沿模型和 Codex 已在 AWS 上全面可用,企业可通过现有安全、合规和治理流程快速部署 AI 能力,显著降低 AI 生产化门槛。

入选理由:OpenAI 前沿模型与 Codex 通过 Amazon Bedrock 在 AWS 上提供,支持商业和 GovCloud 区域。

精选文章#OpenAI#AWS#Codex#Amazon Bedrock#AI in Production英文
How AWS SMGS uses an AI-powered conversational assistant to transform business management with Amazon Bedrock AgentCore

AWS 使用 Amazon Bedrock AgentCore 构建了一个智能对话助手 NarrateAI,通过自动化叙事生成和实时交互,实现了大规模业务智能,解决了传统 BI 的时间密集型准备、数据碎片化和有限访问问题。

入选理由:NarrateAI 通过批处理和实时交互的两层架构,实现了大规模业务智能。

精选文章#AWS#Amazon Bedrock AgentCore#NarrateAI#业务智能#实时交互中文
Building AI agents for business support using Amazon Bedrock AgentCore

使用 Amazon Bedrock AgentCore 构建业务支持的 AI 代理

AWS Machine Learning Blog1294 字 (约 6 分钟)
85

AWS Machine Learning Blog 文章介绍了如何使用 Amazon Bedrock AgentCore 构建业务支持的 AI 代理,通过案例展示了成本降低和效率提升。

入选理由:通过使用 Amazon Bedrock AgentCore,成功构建了两个业务支持的 AI 代理,分别处理通勤补贴申请和浏览器操作。

精选文章#AWS#Bedrock AgentCore#HR Automation#AI Agents中文
Process financial documents using Amazon Bedrock Data Automation

使用 Amazon Bedrock Data Automation 处理财务文件

AWS Machine Learning Blog1699 字 (约 7 分钟)
85

Amazon Bedrock Data Automation 使用高级基础模型简化从各种财务文件中提取、验证和分析数据的过程。

入选理由:Amazon Bedrock Data Automation automates the extraction, validation, and analysis of data from financial documents.

精选文章#Amazon Bedrock Data Automation#财务文件#基础模型中文
Introducing the Agent Toolkit for Amazon Web Services

Introducing the Agent Toolkit for Amazon Web Services

Towards Data Science3450 字 (约 14 分钟)
85

AWS 推出了 Agent Toolkit,帮助 AI 编码代理更可靠地与 AWS 交互,通过集成 MCP 服务器提供最新的 AWS 上下文和工具。

入选理由:Agent Toolkit 提供了针对 AWS 的特定技能和插件。

精选文章#AWS#Agent Toolkit#MCP Server#AI 编码代理中文
科技爱好者周刊(第 397 期):财富正在向 AI 集中

科技爱好者周刊(第 397 期):财富正在向 AI 集中

阮一峰的网络日志4040 字 (约 17 分钟)
85

本期科技爱好者周刊聚焦于AI技术的快速发展及其对社会财富分配的影响。文章指出,AI相关产业如内存、储存、CPU、服务器等的股价大幅上涨,表明财富正迅速向AI领域集中。此外,文章还探讨了AI在日常生活中的应用,如通过AI估算食物的碳水含量,但实验表明AI在这方面并不准确。微软宣布将淘汰短信验证码,转而采用更安全的验证方式,如Passkey。亚马逊推出供应链服务,开放其物流网络,可能对制造业产生影响。最后,文章介绍了一个机械打字机模型玩具,以及几篇技术文章,包括关于GitHub Pages域名盗用问题、JavaScript ShadowRealm API和Firefox配置指南。

入选理由:AI相关产业的股价大幅上涨,表明财富正迅速向AI领域集中。

精选文章#AI#财富分配#微软#亚马逊#供应链服务#Passkey#GitHub Pages#ShadowRealm API#Firefox配置中文
🆕Daytona’s Agent-Native Compute: 60ms sandboxes, 50K startups in 75 sec, 850K daily runs, RL/evals,...

Daytona's Agent-Native Compute platform is designed for AI agents, offering ultra-fast sandboxes, high startup rates, and massive daily runs, making it ideal for reinforcement learning and evaluations. The platform has pivoted from human developer environments to focus on agent sandboxes, emphasizing bare metal performance and stateful snapshots. With RL workloads accounting for nearly half of its usage, Daytona is redefining the AI cloud landscape, potentially shifting it towards a model similar to Stripe rather than AWS.

入选理由:Daytona's Agent-Native Compute provides 60ms sandboxes and can start up 50,000 instances in 75 seconds, handling 850,000 daily runs.

精选推文#AI Agents#Compute Platform#Reinforcement Learning#Cloud Computing#Daytona中文
The Story Behind Cerebras’ $63 Billion IPO with Founder and CEO Andrew Feldman

Cerebras凭借其AI计算机在推理速度上比GPU快15-20倍,与OpenAI达成200亿美元合作,并通过AWS云服务扩展,推动AI基础设施革新。

入选理由:Cerebras的AI推理速度比GPU快15-20倍,覆盖所有规模模型

精选视频#Cerebras#AI芯片#OpenAI#AWS#IPO英文
Building multi-tenant agents with Amazon Bedrock AgentCore

使用Amazon Bedrock AgentCore构建多租户代理

AWS Machine Learning Blog3920 字 (约 16 分钟)
85

Amazon Bedrock AgentCore通过会话隔离的微VM架构和分层模型策略,解决了多租户代理应用在隔离、成本和可观察性上的核心挑战,提供开箱即用的租户身份管理和数据隔离方案。

入选理由:AgentCore的微VM架构实现会话级隔离,每个租户会话拥有独立文件系统,降低数据泄漏风险,同时避免全虚拟机的资源开销

精选文章#Amazon Bedrock AgentCore#多租户架构#微服务#模型分层#SaaS英文
Amazon Nova Act is now HIPAA eligible

Amazon Nova Act 现已符合 HIPAA 标准

AWS Machine Learning Blog684 字 (约 3 分钟)
85

Amazon Nova Act 现已符合 HIPAA 标准,医疗组织可使用合规 AI 代理自动化处理涉及 ePHI 的工作流程。

入选理由:HIPAA compliance allows Nova Act to process ePHI for tasks like appointment scheduling and insurance verification in healthcare portals.

精选文章#Amazon Nova Act#HIPAA#医疗自动化#AWS英文
Cyber resilience on AWS: A reference approach for recovery from ransomware and destructive events

AWS网络安全弹性:勒索软件和破坏性事件恢复的参考方法

AWS Architecture Blog2813 字 (约 12 分钟)
85

AWS建议通过隔离生产、恢复和验证环境,结合逻辑隔离存储库和多阶段恢复框架,实现网络安全弹性的恢复能力。

入选理由:使用生产、恢复、隔离恢复环境(IRE)三账户架构,切断威胁传播路径

精选文章#AWS#网络安全#恢复策略#云架构英文
Last Week in AI 图标

LWiAI Podcast #245 - TML-Interaction, Claude For Legal, Sam Altman on Stand

Last Week in AI624 字 (约 3 分钟)
85

本期播客重点介绍了OpenAI的实时语音API、Thinking Machines的交互模型架构、Anthropic的法律产品及市场动态,揭示了AI技术在实时交互、垂直应用及安全合规方面的最新进展。

入选理由:OpenAI推出GPT Realtime 2 API,强调低延迟与推理的平衡,新增反欺诈防护。

精选文章#AI API#实时交互#法律科技#模型安全#平台竞争英文
Multimodal evaluators: MLLM-as-a-judge for image-to-text tasks in Strands Evals

多模态评估器:Strands Evals中图像到文本任务的MLLM-as-a-Judge

AWS Machine Learning Blog2366 字 (约 10 分钟)
85

AWS发布了四种多模态评估器(Overall Quality, Correctness, Faithfulness, Instruction Following),使用MLLM-as-a-Judge方法,通过直接向模型提供图像源数据,评估多模态任务中模型响应是否与图像内容一致,可有效检测视觉幻觉和事实错误。

入选理由:Gartner预测到2030年,80%的企业软件将采用多模态技术,比2024年不足10%大幅增长,凸显自动化多模态评估的重要性。

精选文章#AWS#多模态评估#Strands Evals#MLLM-as-a-Judge#图像理解英文
Implementing programmatic tool calling on Amazon Bedrock

在 Amazon Bedrock 上实现程序化工具调用

AWS Machine Learning Blog3640 字 (约 15 分钟)
85

AWS Bedrock 现在支持程序化工具调用(Programmatic Tool Calling),允许大语言模型生成 Python 代码来批量执行工具调用,而非传统方式的逐次往返调用,可将多工具工作流的延迟和 token 消耗大幅降低,AWS 提供三种实现方案:自托管 Docker 沙箱、Bedrock AgentCore 代码解释器,以及通过代理兼容 Anthropic SDK。

入选理由:传统工具调用在多工具场景下存在三重问题:每个中间结果都消耗 token、每次调用增加一次推理延迟、用自然语言处理大量数据容易出错

精选文章#Amazon Bedrock#LLM#工具调用#AWS#AI 代理英文
Extending conversational memory in Kiro CLI using Amazon Bedrock AgentCore Memory

使用 Amazon Bedrock AgentCore Memory 扩展 Kiro CLI 的对话记忆

AWS Machine Learning Blog1500 字 (约 6 分钟)
82

通过构建自定义 MCP 服务器集成 Amazon Bedrock AgentCore Memory,Kiro CLI 实现了跨会话的持久化对话记忆,解决了智能 IDE 上下文遗忘问题,提升了开发效率。

入选理由:利用 MCP 协议将 Bedrock AgentCore Memory 集成到 Kiro CLI,实现跨会话记忆。

精选文章#AWS#MCP#Agent#Kiro CLI#Bedrock英文
From idea to AI app: Creating intelligent research assistants with Strands

从想法到 AI 应用:使用 Strands 创建智能研究助手

AWS Machine Learning Blog2434 字 (约 10 分钟)
78

通过使用 Strands Agents 和 AWS 服务,作者在 30 行代码内构建了一个功能齐全的 AI 研究助手,简化了 AI 应用开发过程。

入选理由:使用 Strands Agents 和 AWS 服务可以在 30 行代码内构建智能研究助手。

精选文章#Strands Agents#AWS#AI应用开发中文
Build high-performance generative AI systems with Strands Agents, NVIDIA NIM, and Amazon Bedrock AgentCore

在 AWS 上构建高性能生成式 AI 系统

AWS Machine Learning Blog1741 字 (约 7 分钟)
78

介绍如何在 AWS 上构建高性能的生成式 AI 系统,结合了 NVIDIA NIM、Amazon Bedrock AgentCore 和 Strands Agents 技术。

入选理由:通过结合 NVIDIA NIM、Amazon Bedrock AgentCore 和 Strands Agents,可以在 AWS 上构建高性能的生成式 AI 系统。

精选文章#AWS#生成式 AI#NVIDIA NIM#Amazon Bedrock AgentCore#Strands Agents中文
The AWS FinOps Guide for Series A Startups: The 8 Cost Patterns That Appear After Product-Market Fit

本文为 Series A 初创公司提供 AWS FinOps 指南,揭示产品市场契合后常见的 8 种成本模式,并给出具体优化方案,帮助工程师和 CTO 识别并修复基础设施浪费。

入选理由:产品市场契合后(6-12 个月),初创公司通常出现 8 种可预测的 AWS 成本模式,如开发环境闲置。

精选文章#AWS#FinOps#成本优化#初创公司#DevOps英文
OpenAI is now available for enterprises on Amazon Bedrock:

OpenAI 现已在 Amazon Bedrock 上为企业提供服务

Greg Brockman(@gdb)98 字 (约 1 分钟)
75

OpenAI 的前沿模型和 Codex 已通过 Amazon Bedrock 对企业开放,支持企业在 AWS 安全合规框架下集成 OpenAI 能力,标志着双方合作的扩展。

入选理由:OpenAI 的 frontier models 和 Codex 现已通过 Amazon Bedrock 在 AWS 上通用可用。

精选推文#OpenAI#Amazon Bedrock#AWS#企业级AI#模型集成英文
OpenAI models and Codex, now in your AWS workflows.

Build AI apps and software engineering workflow...

OpenAI 模型和 Codex 现已集成至您的 AWS 工作流

OpenAI Developers(@OpenAIDevs)181 字 (约 1 分钟)
75

OpenAI 的前沿模型和 Codex 已在 AWS 上全面可用,通过 Amazon Bedrock 集成,企业可利用现有 AWS 安全与合规流程构建 AI 应用和软件工程工作流。

入选理由:OpenAI 模型(包括 Codex)现已通过 Amazon Bedrock 在 AWS 上正式上线,支持企业级部署。

精选推文#OpenAI#AWS#Amazon Bedrock#Codex#AI开发英文
OpenAI frontier models and Codex are now generally available on AWS, giving enterprises a new way to...

OpenAI 前沿模型和 Codex 现已在 AWS 上正式可用

OpenAI(@OpenAI)180 字 (约 1 分钟)
75

OpenAI 的前沿模型和 Codex 已在 AWS 上正式可用,企业可通过 Amazon Bedrock 集成 OpenAI 能力,同时利用现有安全、合规与治理流程,标志着 OpenAI 在云生态中更广泛扩展的开端。

入选理由:OpenAI 前沿模型(如 GPT-4 系列)和 Codex 已通过 AWS 官方渠道上线,支持企业级部署。

精选推文#OpenAI#AWS#Amazon Bedrock#Codex#企业AI英文
🧑‍⚖️Evaluating Deep Agents with LangSmith on AWS

Great deep dive blog with our friends at AWS on e...

🧑‍⚖️ 使用 LangSmith 在 AWS 上评估深度代理

Harrison Chase(@hwchase17)81 字 (约 1 分钟)
75

Harrison Chase 与 AWS 合作发布深度代理评估指南,利用 LangSmith 工具设计数据点与评估器,提升长周期智能体的可测性与可靠性,适用于构建复杂 AI 系统。

入选理由:使用 LangSmith 设计结构化数据点,支持长周期代理行为追踪与调试。

精选推文#LangSmith#AWS#深度代理#AI 评估#MLOps英文
AgentWatch: Proactive AWS monitoring with ambient agents

AgentWatch: Proactive AWS 监控与环境代理

AWS Machine Learning Blog2684 字 (约 11 分钟)
75

AgentWatch 是一种主动式的 AWS 资源监控解决方案,通过持续观察和分析基础设施,减少对人工干预的需求,从而提高 DevOps 团队的效率和预防问题的能力。

入选理由:AgentWatch 每 15 分钟进行一次基础设施检查,汇总 CloudWatch 指标、日志和警报,并将 actionable 报告直接发送到 Slack。

精选文章#AWS#DevOps#Monitoring#AgentWatch#Ambient Agents中文
AWS MCP Server Reaches GA with Full API Coverage and IAM-Based Governance

AWS MCP Server 已正式发布,具备完整的 API 覆盖和基于 IAM 的治理能力,适用于多云和混合云环境下的统一管理。

入选理由:MCP Server GA 版本支持 100% API 覆盖,兼容主流云平台接口

精选文章#AWS#多云#API#IAM#治理英文
What if you could just tell a robot what to do?

Sandhya Subramani from @awscloud is bringing a live...

如果你能直接告诉机器人该做什么?

Qdrant(@qdrant_engine)87 字 (约 1 分钟)
45

该推文仅为Vector Space Day活动预告,缺乏具身智能框架的技术细节与工程实践价值。AWS工程师将演示开源Agentic框架,通过混合检索将物理硬件暴露为可编程Agent工具,但正文未提供架构原理或代码实现。

入选理由:AWS工程师Sandhya Subramani将在Vector Space Day演示具身智能开源框架。

精选推文#具身智能#Agentic框架#Qdrant#AWS英文
It’s here . . . We’ve lined up technical talks on vector search, AI memory, context engineering, or ...

Qdrant宣布技术大会阵容

Qdrant(@qdrant_engine)96 字 (约 1 分钟)
35

这是一则关于技术大会的推广信息,宣布Qdrant将举办关于向量搜索、AI内存、上下文工程等方面的技术讲座。

入选理由:Qdrant将举办技术大会聚焦向量搜索和AI基础设施

精选推文#向量搜索#AI大会#技术活动#Qdrant#技术讲座英文
AWS Replaces Fat-Tree Data Center Networks with Random Graph Theory, Cutting Routers by 69%

AWS利用随机图理论重构数据中心网络,将路由器数量减少69%,但原文内容缺失无法提取具体技术细节。

入选理由:AWS采用随机图理论替代传统Fat-Tree拓扑优化数据中心网络架构。

精选文章#AWS#数据中心网络#随机图理论#网络架构英文

跨材料问答 · AWS

回答基于:AWS 相关 30 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容