Amazon Bedrock Knowledge Bases

2026-11-02

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon описывает рабочий процесс с Crawl4AI для подготовки веб‑контента в Bedrock Knowledge Bases

AWS опубликовал руководство с примером, где открытый краулер Crawl4AI формирует Markdown и файлы метаданных, которые загружаются в Amazon S3 и затем индексируются Amazon Bedrock Knowledge Bases. В материале объясняется, когда использовать встроенный Web Crawler Bedrock, а когда — путь Crawl4AI для выборочной экстракции, пользовательских метаданных и удаления служебного содержимого; приводится ссылка на репозиторий aws‑samples и архитектура с EventBridge, ECS/Fargate и S3.

6.0

2026-11-02

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Circle K автоматизировала триаж инцидентов DevOps с помощью Amazon Bedrock, время триажа сократилось до менее 15 минут

Circle K создала автоматизированную агентную систему триажа на Amazon Bedrock (сначала на Bedrock Flows, затем перенесена на Bedrock AgentCore), которая собирает логи, проверяет сервисы и внутренние руктбуки и отправляет структурированные сводки в Slack; по внутренним метрикам команды среднее время триажа сократилось до менее 15 минут (на 67–75%). В реализации использовали управляемые функции Bedrock (Agents/AgentCore и Bedrock Knowledge Bases для RAG), чтобы не размещать модели и оркестрацию самостоятельно.

6.0

2026-10-14

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

2026-10-07

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon добавляет проверку ACL в реальном времени в Quick и Bedrock Knowledge Bases для RAG

Amazon реализовал двухэтапную модель контроля доступа для Amazon Quick и Amazon Bedrock Knowledge Bases: предварительная фильтрация по ACL в индексе и последующая проверка в реальном времени у авторитетных источников (например, Google Drive API с использованием имперсонации сервисного аккаунта), чтобы ответы RAG соответствовали актуальным правам доступа.

6.0

2026-10-06

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS опубликовала руководство по созданию голосового туристического консьержа на Bedrock AgentCore и Nova 2.5 Sonic

AWS опубликовала практическое руководство по созданию голосового туристического консьержа с использованием Amazon Bedrock AgentCore (runtime и Gateway), Amazon Nova 2.5 Sonic для реального времени и Amazon Bedrock Knowledge Bases, с применением AWS CDK и протокола Model Context Protocol (MCP) для интеграции с бэкендом. В статье описана архитектура, компоненты (аутентификация, хранилища данных, Lambda, API Gateway) и пример для авиакомпании с сохранением слабой связности между агентом и существующими системами.

5.0

2026-09-30

CODING · 1 ИСТОЧН. · AWS Machine Learning

Руководство AWS: помощник по заявлениям с цитируемыми ответами на Amazon Bedrock Knowledge Bases

AWS опубликовала техническое руководство по индексированию документов по страховым делам из Amazon S3 в Amazon Bedrock Knowledge Bases и использованию API AgenticRetrieveStream для ответов на вопросы на естественном языке со стримингом событий трассировки, ссылок на источники и проверкой привязки к контексту; пример использует синтетические записи претензий и демонстрирует фильтрацию по метаданным и механизм защитной проверки. Руководство описывает загрузку (парсинг, разбиение на чанки, встраивания, векторное хранилище), агентный поиск с итерациями подзапросов и потоковую выдачу ответов, трассировки и цитат для получения проверяемых ответов с источниками.

6.0

2026-09-24

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

2026-09-17

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

2026-09-10

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Marengo Embed 3.0 от TwelveLabs доступна в Amazon Bedrock Knowledge Bases для поиска по видео, изображениям и аудио

Marengo Embed 3.0 от TwelveLabs стала общедоступной как модель эмбеддингов в Amazon Bedrock Knowledge Bases, обеспечивая управляемый семантический поиск на естественном языке по видео, изображениям и аудиоконтенту. В руководстве AWS Machine Learning показано, как создать базу знаний Bedrock на основе Marengo 3.0 и выполнять семантические запросы к медиа.

6.0