Amazon Elastic Container Service
PulseAugur coverage of Amazon Elastic Container Service — every cluster mentioning Amazon Elastic Container Service across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Natera 借助 Amazon Bedrock AgentCore 提升患者预约调度效率
Natera 开发了一套智能预约调度系统，利用 Amazon Bedrock AgentCore 改善肿瘤诊断患者的就医体验。该新系统通过对话式交互自动化语音，让患者能够通过对话方式预约，从而取代了手动调度流程。该架构采用了双 WebSocket 网桥模式、事件驱动的延迟掩蔽技术以及渐进式信任模型进行身份验证，实现了高准确率和低感知延迟。
-
AWS使用AI自动化元数据校正与统一
AWS开发了一个由AI驱动的工作流程，以自动化元数据的校正与统一，解决了手动标准化流程造成的瓶颈。该系统利用Amazon Bedrock的大型语言模型进行模式对齐和校正建议的语义理解，并结合Amazon S3和DynamoDB等其他AWS服务进行存储和作业跟踪。该工作流程包含一个人工干预的环节，允许用户验证和批准AI生成的建议，从而在扩展数据管理的同时确保准确性并保持领域专业知识。
-
AWS 为 Amazon Bedrock 上的 Codex 使用情况提供可见性
AWS 推出了一种方法，可以增强在 Amazon Bedrock 上运行的 Codex 等编码代理的使用可见性。该解决方案利用 OpenTelemetry 从 Codex 收集指标，然后将这些指标发送到 Amazon CloudWatch 进行分析。该系统允许组织通过按用户、团队或成本中心组织数据来跟踪采用情况、管理消耗量并了解运营行为，而无需在模型请求路径中引入集中式代理。
-
LendingTree 在 Amazon Bedrock 上构建多代理抵押贷款助手
LendingTree 已开发出一种使用 Amazon Bedrock 的多代理抵押贷款助手，以简化消费者的购房流程。这款由人工智能驱动的工具通过自然对话，对借款人进行教育、评估其财务状况并推荐量身定制的抵押贷款方案。该系统采用三个独立的 AI 代理——一个主管和两个专门负责教育和匹配的辅助代理——由 LangGraph 编排，并在 Amazon ECS 上通过 AWS Fargate 运行，确保符合严格的行业法规。
-
Smartsheet 在 AWS 上构建 AI 优化服务器以增强数据访问
Smartsheet 已在 AWS 上开发了一个远程模型上下文协议 (MCP) 服务器，使 AI 代理能够访问其企业工作管理平台并与之交互。该服务器充当桥梁，允许 Amazon Quick 和 Claude Desktop 等 AI 助手通过自然语言理解和操作 Smartsheet 数据。该架构旨在优化令牌使用、减少幻觉并确保内部和外部 AI 代理可靠地进行数据交互，从而节省大量令牌。
-
AWS 详解使用 Bedrock AgentCore 为餐厅构建 AI 语音订餐系统
AWS 详细介绍了如何使用 Amazon Bedrock AgentCore 和 Amazon Nova 2 Sonic 构建一个由 AI 驱动的餐厅语音订餐系统。该系统旨在处理因高峰时段常发生的漏接电话问题，通过自动化从问候到订单确认的整个流程。其架构将电话、代理和后端层分开，实现了灵活性和可扩展性，代理通过模型上下文协议与餐厅后端进行交互。
-
AWS 增强 QA Studio，支持测试套件和 CI/CD 集成
AWS 增强了其 QA Studio（一款用于 AI 驱动的质量保证自动化的解决方案），引入了测试套件和命令行集成。这些测试套件允许组织和并行执行单个测试用例，显著缩短回归测试时长。此外，新的命令行界面能够将代理式 QA 自动化无缝集成到 CI/CD 流水线中，从而实现自动部署门禁。
-
Unsloth 通过动态量化实现 AWS 上 LLM 的高效部署
Unsloth 开发了一种动态量化方法，可在保持精度的同时显著减小大型语言模型的内存占用。该技术分析模型的每一层，以确定其对精度损失的敏感度，从而允许对不敏感的层进行积极压缩至 4 位精度，而关键层则保留更高的精度。这种方法使得通常需要大量 GPU 资源的模型可以在较小的实例甚至 CPU 上运行，从而降低服务成本并加快迭代周期。