Amazon OpenSearch Service
PulseAugur coverage of Amazon OpenSearch Service — every cluster mentioning Amazon OpenSearch Service across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Social Department 使用 AWS AI 进行具有文化意识的视频发现
Social Department 是一个用于娱乐营销的人工智能操作系统,开发了一款名为 QuickSearch 的工具,以应对从大型视频库中查找特定、有共鸣的时刻的挑战。该系统超越了传统的语义搜索,通过编码编辑判断,使营销人员能够快速识别可分享的场景、引用的台词和可制作成表情包的时刻。该解决方案利用了 AWS 服务,包括 Amazon Bedrock 和 Amazon OpenSearch Serverless,以及 TwelveL…
-
Circle K 使用 Amazon Bedrock AI 将事件分类时间缩短 75%
Circle K 开发了一个使用 Amazon Bedrock 的 AI 驱动系统,显著减少了 DevOps 事件分类所需的时间。该新系统可自主调查警报,从 Amazon CloudWatch 和 Amazon OpenSearch Service 等各种工具收集上下文信息,并在 Slack 中向值班工程师提供可操作的摘要。通过自动化日志审查和健康检查的手动流程,Circle K 将平均分类时间从 45-60 分钟缩短至 15 分钟以…
-
Amazon OpenSearch Service 将可观测性数据集成到聊天中,以加快 SRE 调试速度
Amazon OpenSearch Service 推出了 MCP Apps,这是一项旨在简化站点可靠性工程师 (SRE) 调试流程的功能。这项新功能将可观测性数据直接集成到聊天界面中,使工程师无需在多个浏览器标签页之间切换即可验证根本原因假设。MCP Apps 在声明旁边展示证据,直接在聊天线程中渲染跟踪瀑布图等交互式可视化,从而加快事件响应和分析速度。
-
NVIDIA 扩展 Agent Toolkit,赋能企业数据接入
NVIDIA 扩展了其开源的 NVIDIA Agent Toolkit,引入了新工具以帮助企业构建和部署定制化的 AI 智能体。该工具包现包含 NVIDIA Agent Knowledge Foundation,允许智能体安全地访问和利用公司特定数据,以支持明智的决策和预测。该基础架构集成了 NVIDIA 的 CUDA-X 库和 Nemotron Retriever、Kumo 系列等开源模型,以及用于治理和控制的 OpenShell 安全运行时。
-
Terraform简化了复杂AI应用程序的AWS基础设施
本文探讨了如何使用HashiCorp Terraform在AWS上配置和管理可扩展的AI基础设施。文章强调了设置AI系统的复杂性,这些系统通常需要GPU计算、数据管道、模型端点和向量数据库。Terraform作为一种基础设施即代码工具,允许用户声明式地定义这些AWS资源,确保开发、测试和生产环境的一致性。文章还展示了一个检索增强生成(RAG)应用程序的示例架构,说明了S3、Lambda、SageMaker、Bedrock和OpenSe…
-
Condé Nast 利用 AWS Bedrock 实现 AI 驱动的多模态视频发现
Condé Nast 已与 AWS 合作开发一个新的由 AI 驱动的视频内容发现系统。该解决方案基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建,利用 TwelveLabs Marengo 嵌入模型对视频文字记录、视觉和音频进行语义搜索。新系统将每次任务的内容发现时间从平均 250 分钟大幅缩短至 2 分钟以内,提高了 Vogue、GQ、Vanity Fair 和 Wired 等品牌的运营效率。
-
AWS 指导为 Bedrock 知识库选择向量数据库
AWS 正在为其 Amazon Bedrock 知识库服务提供有关选择最佳向量数据库的指导,当使用客户管理的配置时。该博文比较了三个主要选项:Amazon OpenSearch Service、Amazon Aurora PostgreSQL with pgvector 和 Amazon S3 Vectors。每个选项都根据其对不同检索增强生成 (RAG) 用例的适用性进行了评估,重点关注性能和成本考量。文章详细介绍了向量数据库在 R…
-
Amazon OpenSearch Service 采用 MCP 实现无缝 AI 代理集成
Amazon OpenSearch Service 已集成模型上下文协议 (MCP),这是一个标准的 JSON-RPC 接口,允许 AI 代理发现和交互数据源。此集成消除了对自定义连接器和中间件的需求,通过使代理和数据源能够使用单一协议进行通信,将 M+N 集成问题简化为 M+N。通过 ML Commons 插件可访问的 MCP 端点公开了资源、提示和工具,允许 Claude、Amazon Q 和 Cursor 等代理直接查询数据,而…
-
Yahoo 利用 Amazon Bedrock 和生成式 AI 增强广告定位
Yahoo 已将 Amazon Bedrock 集成到其需求方平台 (DSP) 中,以改进其搜索重定向 (SRT) 功能。此次增强利用生成式 AI 和大型语言模型 (LLM) 来创建更具语义丰富性的关键词扩展,解决了先前 Word2Vec 和局部敏感哈希方法的局限性。新系统通过更好地将用户搜索意图与跨各种渠道的相关广告体验联系起来,使广告商能够触达更大、更精准的受众。
-
AWS Bedrock 集成公司记忆,结合 Neptune 和 Mem0,打造更智能的 AI 聊天机器人
Amazon Bedrock 现在为 AI 代理提供公司级记忆能力,集成了 Amazon Neptune 和 Mem0,以提供持久的、特定于组织的上下文。此增强功能使 AI 聊天机器人能够保留对话历史并引用广泛的公司知识,从而实现更智能、更具适应性的响应。TrendMicro 已为其 'Companion' 聊天机器人实施了此解决方案,通过提供量身定制的、上下文感知的交互来改善客户支持。