拜耳作物科学基于 Amazon Bedrock AgentCore 构建智能体决策引擎
拜耳作物科学推出智能体决策引擎（ADE），在 Amazon Bedrock AgentCore 上运行 22 个专业智能体，80% 用户问题无需工程师介入即可解决。ADE 通过 LangGraph 协调工作流，结合 AWS 统一运营支持，将故障诊断时间从 1 小时缩短至 10 分钟。
#RAG
AWS Machine Learning BlogAI 评分4343
AWS Machine Learning BlogAI 评分4545 IskayPet 如何通过 Amazon Bedrock Managed Knowledge Bases 统一企业知识
IskayPet 使用 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手，支持四语言、三国家的 SharePoint 文档检索，无需管理 RAG 基础设施。该方案采用 Claude Haiku 4.5 和 Kiro 开发，涵盖零售、兽医等业务，提供混合搜索、文档级权限控制和源引用功能。
AWS Machine Learning Blog精选AI 评分6565 Octave如何在Amazon Bedrock上构建安全的多租户AI基础架构
Octave Reliance在AWS上构建了一个安全的多租户AI基础架构，解决了医疗设备、制药和食品制造等监管行业中的数据隔离与语义搜索需求。该架构包含数据准备、安全执行和内容保护三层，使用Cohere Embed v4模型和Amazon Bedrock AgentCore，实现了2亿文档的嵌入处理和投诉分类助手功能，将每个用例的部署时间减少了50%。
推荐理由：在医疗设备等强监管领域，Octave通过构建三层AI基础架构，实现了多租户数据隔离与高效语义搜索，为SaaS平台AI落地提供了可复用的安全模式。
AWS Machine Learning BlogAI 评分6868 使用Amazon Bedrock AgentCore构建自改进文档处理系统
AWS官方教程介绍如何使用Amazon Bedrock AgentCore构建自改进文档处理系统，该系统通过多个AI智能体协作，能够自动分类、提取、验证和学习商业文档，无需人工模板配置。系统可在20分钟内部署，处理新文档类型时能自动学习并重用提取指令，提高处理效率。
AWS Machine Learning BlogAI 评分6565 使用Amazon Bedrock AgentCore生成演示文稿
AWS团队展示了如何使用Amazon Bedrock AgentCore构建AI智能体系统，自动化生成PowerPoint演示文稿，在内部测试中完成时间不到90秒。
AWS Machine Learning BlogAI 评分6565 Orca Security 使用 Amazon Bedrock 构建自然语言安全查询智能体
Orca Security 与 AWS 合作构建了 Discovery AI，这是一个基于 Amazon Bedrock 的自然语言查询智能体，可将自然语言问题转换为 Sonar 查询。
AWS Machine Learning Blog精选AI 评分7575 Postman如何在Amazon Bedrock上为4000万开发者运行Agent模式
Postman在Amazon Bedrock上运行Agent模式，为4000万开发者提供服务。文章介绍了控制工具扩散、基于模式的读取和上下文工程等架构模式，以及如何利用Amazon Bedrock的模型灵活性、跨区域推理、零数据保留和提示缓存等功能。
推荐理由：原文详细介绍了Postman如何在Amazon Bedrock上运行Agent模式，提供了可扩展的架构模式和最佳实践。
AWS Machine Learning Blog精选AI 评分6868 AWS重新思考RAG系统的访问控制方案
AWS介绍了Amazon Quick和Amazon Bedrock Knowledge Bases如何通过实时访问控制列表(ACL)解决企业RAG系统中的权限管理挑战。该方案采用两阶段架构：第一阶段进行预检索过滤，第二阶段实时验证候选文档的访问权限，确保AI生成的内容仅包含用户有权访问的信息。这种方法解决了传统方法中权限数据过时、映射复杂性和数据源变化带来的安全漏洞问题。
推荐理由：原文详细介绍了AWS如何通过实时访问控制列表解决企业RAG系统中的权限管理难题。
AWS Machine Learning BlogAI 评分5555 Qlik 如何使用 Amazon Bedrock 构建企业级AI系统
Qlik 通过 Amazon Bedrock 构建了 Qlik Answers，为企业提供有来源保障的AI问答服务。该系统采用分层架构，解决了数据主权、模型容量规划和答案可靠性问题，已在多个行业部署并取得显著成效。
AWS Machine Learning Blog精选AI 评分7373 在AgentCore和OpenClaw上构建上下文感知AI助手
AWS展示了如何使用AgentCore运行时和OpenClaw开源智能体系统构建具有持久记忆能力的个人AI助手。该系统通过AgentCore内存功能将一次性对话转化为持久知识，并使用结构化元数据标记记忆以便检索。
推荐理由：原文提供了完整的架构设计和部署指南，读者可据此构建具有上下文记忆能力的AI助手。
AWS Machine Learning BlogAI 评分4040 使用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手
AWS 推出基于 Amazon Bedrock AgentCore 的语音旅行助手方案，集成 Nova 2.5 Sonic 实现实时语音交互，通过 Knowledge Bases 基于航空政策文档回答问题，支持座位更改、航班状态查询等功能。该方案采用 MCP 协议连接后端服务，使用 AWS CDK 部署，可按需扩展并兼容现有航空系统。
AWS Machine Learning Blog精选AI 评分6565 使用LangChain和Amazon Bedrock知识库实现智能检索
AWS官方博客介绍了如何在Amazon Bedrock Managed Knowledge Base上使用LangChain构建RAG应用，详细展示了标准检索与智能检索两种方法的实现、成本对比和适用场景。智能检索通过将复杂问题分解为子查询，提高了多跳问题的召回率，但成本更高。文章提供了完整的代码示例和架构图，帮助开发者根据查询类型选择合适的检索方法。
推荐理由：原文详细介绍了如何在Amazon Bedrock中使用LangChain实现智能检索，并对比了标准检索与智能检索的适用场景。
AWS Machine Learning Blog精选AI 评分6565 使用Amazon Quick和裁决查询模式进行大规模租赁合规检查
AWS介绍了Adjudicated Query模式，通过Amazon Quick聊天界面与确定性规则引擎结合，实现大规模租赁合规检查。该架构提供可验证的完整性收据和完整的证据链，确保合规决策的可辩护性。文章提供了完整的参考实现和部署指南，适用于租赁合规、保险理赔裁决等多种高风险合规场景。
推荐理由：原文提供了完整的合规检查架构和实现方法，读者可以直接部署使用。
Hugging Face Blog精选AI 评分7373 Hugging Face 开源 AstaBrief 科研报告生成模型
Hugging Face 开源 AstaBrief 8B 模型，可将研究问题和检索到的文献摘要转化为带引用的报告。该模型在 Asta 平台的 Fast 模式中可用，报告生成速度比 Thinking 模式快约 3.5 倍，平均每份报告需 51.1 秒。模型和训练数据已开源，支持本地部署。
推荐理由：原文给出了开源模型的具体性能提升和应用场景，读者可据此评估其在科研报告生成中的实用价值。
Hugging Face Blog精选AI 评分6565 ProvenanceGuard：面向MCP智能体的来源感知事实验证
Hugging Face团队发布ProvenanceGuard论文，提出了一种针对MCP智能体的来源感知事实验证方法，能够检测答案中事实与引用来源不匹配的问题。该系统通过分解答案、识别相关来源、验证支持度、检查来源归属等步骤，在医疗领域测试中成功捕获了138个本应被阻止的声明，来源识别准确率达86%。
推荐理由：ProvenanceGuard解决了MCP智能体中事实核查与来源匹配的关键问题，为多源信息验证提供了新方法。
Mistral AI精选AI 评分7878 Mistral 发布 Agentic Search 智能搜索功能
Mistral 发布 Agentic Search 智能搜索功能，通过多步检索循环提升搜索准确性，在 FinanceBench 和 OfficeQA Pro 基准测试中实现最高 3 倍正确率提升，同时降低延迟和 token 使用量。该功能支持敏感领域数据，提供 search、open、navigate、read 和 grep 五种工具，适用于长文档、多源查询和需要验证答案的场景。
推荐理由：原文提供了具体性能提升数据和适用场景，读者可据此评估该技术对复杂文档处理的实际价值。