Rescale 如何用 Strands Agents 和 AI-DLC 构建 AI 测试分流智能体
AWS 介绍了 Rescale 如何通过 AI-DLC 工作坊,在 5 天内将测试分流智能体部署到 staging,并在数周内投入生产。
AWS 介绍了 Rescale 如何通过 AI-DLC 工作坊,在 5 天内将测试分流智能体部署到 staging,并在数周内投入生产。
AWS Machine Learning Blog 演示如何在 Amazon SageMaker AI 实时端点部署 Kokoro-82M,并依据端点实测的单实例并发上限 Q_max 和扩容总时间 T_total 推导自动扩缩容阈值与冷却时间。
AWS 介绍了如何将 AI 智能体逐句生成的文本实时发送到 Amazon SageMaker AI 上的 Kokoro-82M TTS 端点,使语音合成在完整回答生成前开始。
AWS 介绍了在符合 HIPAA 资格的环境中部署 Amazon Quick 的方法,并说明服务符合资格不等于整个环境自动符合 HIPAA 要求。文章梳理了 PHI 的非结构化与结构化数据路径、访问控制、加密和审计日志等能力,以及需要由客户负责的配置和保障措施。文中还以虚构的 AnyCompany Health Plan 为例,给出从签署 BAA、设置不可逆配置到验证日志与权限的部署步骤。
Bayer Crop Science 介绍了基于 Amazon Bedrock AgentCore 构建和运营 Agentic Decision Engine(ADE)的过程,该系统为 Connected Decision Engine(CDE)提供自然语言交互层。
AWS 介绍了如何在 Amazon Quick Sight 图层地图中使用 GeoJSON 的 Point 和 LineString 几何类型展示地点与路线。文章说明了 GeoJSON 文件结构、与数据集的关联方式,以及图层地图点位与原生点地图的差异。文章还介绍了视口控制、叠加多种几何图层,以及通过 Amazon S3 和 Quick Sight APIs 更新 GeoJSON 的方法。
AWS 介绍如何在 Amazon SageMaker AI 上用多轮强化学习(MTRL)训练智能体完成需要连续决策的任务,并以 Wordle 演示从部署 AgentCore 智能体、准备数据到训练和评估的完整流程。
推荐理由:文章把多轮强化学习从任务设计、奖励函数到训练评估串成可复现流程,并展示服务设置会显著影响 Wordle 验证结果。
AWS Machine Learning Blog 介绍如何用可复用的 CDK 构造,在更新 SageMaker AI 实时端点时自动注销并重新注册自动扩缩容资源。方案以三个 CloudFormation 自定义资源和显式依赖顺序编排端点更新,并通过 ConfigHash 在配置变化时触发流程。文章还提供示例仓库、部署步骤,以及将构造集成到现有 CDK 堆栈的方法。
推荐理由:文章梳理了 SageMaker AI 端点更新与自动扩缩容资源之间的部署冲突,并给出可复用的 CDK 构造及集成步骤,便于参考其依赖编排方案。