亚马逊AWS官方博客

基于大语言模型（LLM）的智能问答机器人在提升工作效率、降低运营成本等方面展现出巨大潜力，将其与办公应用（如钉钉）集成，可进一步优化企业员工的办公体验，本文将介绍如何利用亚马逊云科技的 Amazon Bedrock 服务构建智能问答机器人。

最近，随着人工智能技术的迅速发展，代码助手已经成为软件开发领域备受关注的工具。像 Amazon CodeWhi […]

上周五是国际妇女节（IWD），我想向云计算领域的杰出女士表示感谢。正如我们的首席技术官沃纳·沃格尔斯所说，她们 […]

1. 功能背景 1.1 功能需求 客户当前已经在 AWS 中部署了 Lambda 函数对内外部用户提供服务，其 […]

本实验将以 Amazon 的 PB 级数据仓库 Redshift 举例说明，对使用自然语言进行数据查询的三种方法进行展开介绍，对比分析，帮助用户根据不同的需求场景选择合适的方法。

在开发生成式 AI 应用程序时，大量客户纷纷寻求有关如何管理安全、隐私和合规性的指导。如果能在设计和架构阶段便发现并解决 LLM 漏洞、威胁和风险，团队就能专注于尽可能地实现生成式人工智能所带来的经济价值和生产力效益。清楚地认识风险可以提高生成式人工智能应用程序的透明度和可信度，推动实现更好的可观测性，能够更好地满足合规要求，并促使领导者做出明智的决策。

简介 2023 年 10 月 4 日，Amazon Elastic Kubernetes Service（Am […]

 今天，我很高兴地宣布，Amazon Relational Database Service（Amazon […]

 AWS 大侠是鼓舞人心的思想领袖，他们不遗余力，以各种方式分享知识。您可以在本地聚会、AWS Commun […]

本博客将展示如何采用 Amazon DocumentDB 和 Amazon Bedrock 构建游戏行业产品推荐，博客中的 Demo 已经接入了目前最新的 Bedrock Claude 3 Sonnet 模型。Anthropic 目前的评估表明，Claude 3 模型系列在数学应用题解决（MATH）和多语言数学（MGSM）基准（目前用于大语言模型的关键基准）方面优于同类模型。另外我们使用了 Amazon Bedrock Titan 模型来生成向量，并使用 DocumentDB 将 Titan 生成的向量存储在 Amazon DocumentDB 数据库中，利用 DocumentDB Vector Search 的相似性向量搜索和 DocumentDB Text Search 全文检索功能实现 RAG 双路召回，并将 RAG 双路召回合并结果，返回给 Amazon Bedrock Claude 3 Sonnet，进行内容总结归并。