IskayPet 如何利用 Amazon Bedrock Managed Knowledge Bases 整合企业知识
IskayPet 利用 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手，覆盖3个国家、4种语言，无需自行管理 RAG 基础设施。助手接入 SharePoint，按员工文档权限检索并提供来源引用。团队使用 Kiro 和 Claude Haiku 4.5 完成前端、AWS 架构及部署。
#RAG
AWS Machine Learning BlogAI 评分4545
AWS Machine Learning BlogAI 评分4545 Octave 如何基于 Amazon Bedrock 构建安全的多租户 AI 基础架构
Octave 基于 Amazon Bedrock 构建安全的多租户 AI 基础架构，将每个用例的部署时间缩短了 50%。该架构使用 Cohere Embed v4 生成嵌入向量，通过租户专属向量存储、隔离执行环境和输入输出过滤保护数据，并以投诉分流助手验证生产应用。
NVIDIA Blog精选AI 评分6464 NVIDIA 扩展 Agent Toolkit，新增企业数据知识基础与智能体工具
NVIDIA 扩展开源 Agent Toolkit，新增 Agent Knowledge Foundation、Kumo 系列开放模型及相关工具，帮助企业利用公司数据定制和管理智能体。
推荐理由：此次扩展把企业数据接入与智能体运行边界放在同一工具栈中，为理解企业如何兼顾数据利用和权限治理提供了具体参考。
AWS Machine Learning BlogAI 评分4444 从数据到决策：用 Amazon Quick 和 Amazon Bedrock AgentCore 构建对话式供应链智能
AWS 演示如何用 Amazon Quick 和 Amazon Bedrock AgentCore 构建对话式供应链工作流，并讲解部署方法。该方案通过 MCP 工具连接业务系统，支持中断评估、缓解建议和紧急询价，所有变更均需指定人员批准。示例将跨五个系统、耗时45–60分钟的流程缩为单一工具内的三次提示词交互，数分钟完成。
Apple Machine LearningAI 评分5050 Apple 研究工具发现架构：先检索还是先规划，取决于任务复杂度
Apple 的工具发现架构研究发现，先检索再规划（RtP）在单工具查询上更优，先规划再检索（PtR）在多工具查询上更优。研究在含 46,984 个 API 端点、50 个类别的 ToolBench 上评估，这一差异在检索预算 k=1 to 20、工具库规模从 1k 到 47k APIs，以及 Gemini 2.5 Flash 和 gpt-oss-120b 上均成立。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 EmbeddingGemma 2，支持端侧多模态嵌入
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，支持端侧离线检索与 RAG。模型基于 Gemma 4 架构，拥有 740 million 参数，采用 Apache 2.0 许可，支持 8K token 上下文，并可按需加载视觉和音频编码器、将输出向量从 768 维截断至 128 维。
推荐理由：模块化编码器与可截断向量提供了端侧多模态检索的资源取舍依据，开发者可按输入类型和存储预算选择部署配置。