Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #4009

Retrieval Augmented Generation (RAG)

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

4

CODING · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

InfoQ описывает эволюцию «agentic harnesses»: от цепочек к графам и коду

Статья на InfoQ рассматривает три парадигмы создания «agentic harnesses» для LLM — цепочки (линейные конвейеры), графы (явный контроль потока через узлы/рёбра) и код (первоклассное исполнение в песочнице) — и утверждает, что подходы эволюционировали от «склеенного» прототипа к промышленным, наблюдаемым архитектурам. В материале обсуждаются компромиссы (задержки, хрупкость, устойчивость) и даются рекомендации: считать выводы LLM ненадёжными, разделять планирование и исполнение и вкладываться в наблюдаемость и минимально сложные абстракции.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock AgentCore: автоматизация создания презентаций с помощью Claude Sonnet 4.6

AWS опубликовала руководство по созданию системы AI‑агента на Amazon Bedrock AgentCore, которая автоматизирует подготовку презентаций из корпоративных документов. Решение использует супервизор‑агента (AgentCore runtime + Strands Agents) с Anthropic Claude Sonnet 4.6 для содержания, Amazon Titan Text Embeddings v2 и Amazon OpenSearch Serverless для RAG‑поиска, Stability AI для изображений, REST API на .NET 8 и AWS Lambda для сборки, а также содержит публичный репозиторий кода; внутренние тесты показали время выполнения менее 90 секунд.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock: архитектура мульти-аккаунтного AI-агента с AgentCore Gateway и MCP

Публикация Amazon описывает эталонную архитектуру для создания мульти-аккаунтных AI-агентов, которые обращаются к данным по месту хранения в разных AWS-аккаунтах без централизации. Платформенный аккаунт хостит агенты и инференс в Bedrock, а AgentCore Gateway (в связке с MCP, AgentCore Identity, Policy in AgentCore/Cedar и при необходимости Okta) агрегирует MCP-серверы LOB, обеспечивает единый механизм обнаружения инструментов, авторизации, наблюдаемости и применяет guardrails и RAG-поиск по знаниям.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS описывает выбор векторного хранилища для Amazon Bedrock Knowledge Bases (OpenSearch, Aurora pgvector, S3 Vectors)

AWS опубликовала руководство по пользовательской (неуправляемой) конфигурации Amazon Bedrock Knowledge Bases, сравнивающее три поддерживаемых векторных хранилища — Amazon OpenSearch Service (управляемый и serverless), Amazon Aurora PostgreSQL с pgvector и Amazon S3 Vectors — и оценивающее их компромиссы по сценариям RAG (задержка, стоимость, масштабируемость). В публикации приведены соответствия каждого бэкенда типичным рабочим нагрузкам, например поиску товаров в электронной коммерции, и обсуждаются последствия для производительности и затрат.

6.0