Category: Artificial Intelligence

本文基于 Amazon SageMaker 的 Stateful Session（有状态会话路由）机制，通过唯一会话 ID 确保同一会话的所有请求路由到同一实例，从而在分布式环境下实现有效的 KV 缓存复用。

本文详细介绍了如何利用 Amazon Q Developer 结合 Model Context Protocol (MCP) 技术，实现 Amazon 成本和使用报告（CUR）的智能化分析。

RAG-MCP 框架在 Amazon Bedrock 环境中的性能表现。通过多维度测试，对 RAG 在 Tool 调用时产生的价值做了评估。

您是否想过在购买之前能快速想象出一套新衣服在您身上的样子？ 或者是一件家具在您家客厅里的样子？ 今天，我们很高 […]

本文详细介绍了在 Amazon Bedrock 中结合 RAG 与 MCP 来解决大语言模型工具选择中的提示词膨胀问题。文章阐述了 RAG-MCP 的架构设计、实现步骤和优化策略，包括工具数据获取、向量化存储和语义检索等核心环节。

主要介绍如何通过Amazon Q CLI + Bedrock + MCP + 飞书打造对话式的智能运维平台

每次到访西雅图时，在机场首先映入眼帘的总是 Mount Rainier 山峰。您知道吗？AWS 最具创新性的项 […]

本文探讨了 Amazon SageMaker Sticky Session 技术如何解决大语言模型推理中的性能挑战。通过会话绑定机制，确保同一用户的请求路由至相同计算实例，实现 KV Cache 复用和上下文保持，这一技术显著降低多轮对话延迟，提升用户体验，特别适合交互式 AI 应用场景。

在快时尚电商行业智能化生态系统的演进历程中，随着文本驱动智能体在逻辑推理和任务执行层面的日趋成熟，进一步提升交互体验的关键突破口正转向更加拟人化的语音到语音（S2S）解决方案。这一技术演进的核心目标是根本性改变传统语音交互中机械化应答所带给客户的负面感受，为用户打造更自然、更富有情感共鸣的智能对话体验。

在核心系统迁移到 AWS 后，在 AWS SA 的指导下，企业构建了综合性企业 AI 助手系统。通过使用整合大语言模型、企业知识库及业务系统数据 MCP Server，实现了对业务场景的深度理解与实际问题解决能力。