跳到正文

#RAG

今日 1 条
今天11月18日周三
11月17日周二
  1. AWS Machine Learning Blog37

    Amazon Bedrock Managed Knowledge Base 结合 AgentCore 记忆构建感知记忆的 AI 智能体

    Amazon Bedrock Managed Knowledge Base 与 AgentCore 记忆集成,通过 AgenticRetrieveStream 实现多租户 AI 智能体的记忆感知检索。该方案自动提取并注入用户长期事实,结合 ACL 过滤确保文档访问隔离,且保持向后兼容。此前开发者需自行持久化对话历史,现由服务自动处理会话存储与事实提取。

  2. AWS Machine Learning Blog38

    Novo Nordisk 利用 Amazon Bedrock AgentCore 现代化制造流程文档管理

    Novo Nordisk 基于 Amazon Bedrock AgentCore 构建智能支持系统,利用 GraphRAG 架构和 Anthropic Claude 模型优化制药制造文档管理。该系统通过知识图谱与混合搜索结合,帮助专家将原本耗时数小时或数天的工作缩短至几分钟,并解决传统 RAG 在受监管环境中处理精确标识符和多跳关系时的局限性。

  3. AWS Machine Learning Blog43

    Amazon Bedrock Managed Knowledge Base 支持按租户定制回答

    Amazon Bedrock Managed Knowledge Base 新增检索指令功能,允许为不同租户定制回答的语气、格式及策略。该功能通过版本化资源管理指令,支持在共享知识库中实现多租户差异化服务,但需配合元数据过滤器进行数据隔离。此前用户需关闭响应生成并自行维护提示词以实现固定风格。

11月13日周五
  1. AWS Machine Learning Blog47

    Amazon Bedrock Managed Knowledge Base 工具实现细粒度访问控制

    该方案利用 Amazon Bedrock AgentCore Gateway 在工具层注入经身份验证的用户属性,防止 LLM 伪造搜索权限。结合 Managed Knowledge Base 的 ACL 感知功能,确保多租户环境下每个用户仅能检索其有权查看的文档。此设计通过多层防御机制,解决了传统应用中由 LLM 决定搜索参数可能引发的越权访问风险。

11月12日周四
  1. 量子位22

    中兴通讯璇玑:企业AI的本体语义基础设施

    中兴通讯推出“璇玑”系统,作为企业AI的本体语义软件平台,通过统一语义连接业务知识与数据资源。该平台支持REST API、MCP等接入方式,并通过了中国信通院本体建模平台测试,覆盖五大能力域。此举旨在解决大模型缺乏企业概念边界与数据映射的问题,让AI从演示走向可复核的业务应用。

11月10日周二
  1. AWS Machine Learning Blog34

    Amazon Bedrock Managed Knowledge Base 支持单次 RAG 与智能体检索

    Amazon Bedrock Managed Knowledge Base 新增支持单次 RAG 和仅检索请求,通过 AgenticRetrieveStream API 实现。开发者可利用 maxAgentIteration 参数在单次检索、智能体多轮检索及仅返回片段三种模式间切换,以平衡延迟与答案质量。此前该服务仅支持智能体检索模式,无法直接表达单次检索后生成的模式。

11月7日周六
  1. AWS Machine Learning Blog45

    AWS 在 Amazon ECS Fargate 上构建无服务器 MCP 服务器以访问 AI 智能体数据湖

    AWS 团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器,作为 AI 智能体与企业数据湖之间的集中式网关。该架构采用元数据驱动方式,新增数据集仅需提供 JSON 元数据文件即可自动发现,无需编写集成代码。此方案旨在解决 Amazon 北美分拣中心(NASC)规划团队中数据访问碎片化及新数据源接入耗时数天的问题。

11月5日周四
11月4日周三
  1. 量子位59

    openJiuwen AgentMemory 0.2.0上线OmniMem-Lens,赋予Agent长视频视听双流事件记忆

    openJiuwen AgentMemory 0.2.0上线OmniMem-Lens多模态记忆能力,通过视觉听觉双流按真实事件切分长视频,召回精度最高提升45.7%且在线时延最高降97%。它建立三层记忆结构并离线建索引在线查,L1与L2记忆单元文本化向量化可无缝接入主流RAG/Agent技术栈,项目地址https://gitcode.com/openJiuwen/agent-memory/。

  2. AWS Machine Learning Blog25

    Amazon Quick 如何整合结构化与非结构化数据

    Amazon Quick 通过统一体验连接 S3 知识库与增强数据集,允许用户通过单一对话式 AI 智能体查询结构化与非结构化数据。该方案利用 Space 整合数据源,智能体可自动判断查询类型并返回带引用的综合响应,同时应用内置 AI 护栏。此功能需 Amazon Quick Enterprise 订阅,旨在解决多工具切换与手动关联结果的痛点。

11月3日周二
  1. AWS Machine Learning Blog44

    Circle K 利用 Amazon Bedrock 将 DevOps 事件分诊时间缩短至 15 分钟以内

    Circle K 基于 Amazon Bedrock 构建自动化分诊系统,将平均事件分诊时间从 45-60 分钟缩短至 15 分钟以内,降幅达 67-75%。该系统采用 agentic AI 架构,通过 Amazon Bedrock Flows 协调多个智能体并行查询日志与基础设施状态,并在数分钟内向 Slack 推送结构化摘要。此前工程师需手动跨多个工具排查,导致分诊耗时随服务规模增长而增加。

  2. MIT Technology Review · AI32

    MIT Technology Review 报告:提升智能体分析洞察质量

    MIT Technology Review 报告显示,企业智能体分析生成的洞察中仅 48% 能带来业务改善,较一年前的 37% 有所提升,但仍有超过半数失效。55% 的高管将洞察质量不足归因于缺乏业务上下文,45% 归因于数据碎片化。报告指出,加强 AI 与数据治理及添加语义层是提升智能体洞察质量的关键举措。

11月2日周一
10月29日周四
10月27日周二
  1. Hacker News · AI 热帖63

    维基百科清理AI生成内容

    维基百科 WikiProject AI Cleanup 项目自2023年底发起,志愿者持续清理违规AI生成内容并开发检测工具。英文维基百科已禁止编辑使用LLM写文章,2026年初新增草稿中AI内容占比降至约15%。维基媒体基金会正开发 Paste Check 等工具,并探讨未来与AI模型共生的编辑模式。

10月24日周六
  1. AWS Machine Learning Blog32

    拜耳作物科学基于 Amazon Bedrock AgentCore 构建 Agentic Decision Engine

    拜耳作物科学基于 Amazon Bedrock AgentCore 构建 Agentic Decision Engine (ADE),作为多智能体自然语言接口连接其 Connected Decision Engine。ADE 在生产环境运行 22 个专家智能体,利用 LangGraph 编排,第一阶段可独立解决约 80% 的用户问题。此前诊断工作流故障需超过一小时,现缩短至 10 分钟以内。

10月23日周五
10月22日周四
  1. Latent Space23

    Moshi CEO Anekha Sokhal 在 AI Engineer New York 分享从交易员到创业者的经历

    Moshi CEO Anekha Sokhal 在 AI Engineer New York 分享其从 JPMorgan 能源衍生品交易员转型为创始人的经历。她介绍 Moshi 是一款结合市场数据、交互界面与个性化推荐的交易工具,旨在解决信息过载问题。Anekha 强调 AI 工程师需适应“一人即团队”的高压环境,并主张在招聘前优先与用户沟通以明确需求。

  2. AWS Machine Learning Blog33

    U.S. Hunger 如何利用 Amazon Quick 连接领导层与数据

    U.S. Hunger 利用 Amazon Quick 连接领导层与数据,使 CEO 能直接探索 Full Cart 项目数据并减少技术团队依赖。通过 Quick Spaces 共享 KPI 定义与财务文档,17 名员工得以在统一语境下协作分析。该组织此前已交付超 2.5 亿份餐食,并实现了四年 500% 的业务增长。

10月21日周三
10月20日周二
10月18日周日

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有