2026. augusztus 21., péntek · Eszközök

AWS KnowledgeForge: mesterséges intelligencia bányássza az IT-hibajegyekből a tudást

Az AWS hivatalos blogbejegyzése a KnowledgeForge nevű megoldást mutatja be, amely a vállalati IT-support (ITSM) rendszerekben felhalmozódott, lezárt hibajegyekből nyer ki hasznosítható tudást. Az AWS állítása szerint a lezárt jegyek tünet-ok-megoldás hármasa jellemzően nem kerül be a tudásbázisba, ezért a hasonló hibával szembesülő mérnök elölről kezdi a diagnosztizálást. A cég szerint a rendszer a meglévő tudásbázist is karbantartja: típus szerint rendszerezi a cikkeket, kiszűri a duplikátumokat, minőséget pontoz és újraírja a gyenge tartalmakat, miközben egy tudásmenedzser hagyja jóvá a végeredményt. Technikailag az Amazon Bedrock végzi a tartalomgenerálást, az Amazon S3 Vectors a duplikátumkeresést, az AWS Step Functions pedig az összeállítás vezérlését. A bejegyzés az architektúrát és tervezési célokat ismerteti, független teljesítménymérést nem közöl.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A bejegyzés konkrét AWS-architektúrát ismertet a support-rendszerekben rekedt tudás generatív AI-val történő visszaforgatására, bár független hatékonysági adat egyelőre nincs.

Források

AWS Machine Learning Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #AWS Bedrock#ITSM automatizálás

Napi összefoglaló

Ez a hír a 2026. augusztus 21., péntek napi AI összefoglaló része.

Kapcsolódó hírek

AWS nyolclépéses útmutatót adott ki a generatív AI testreszabásához

Az AWS hivatalos blogbejegyzése egy nyolclépéses döntési keretrendszert mutat be, amellyel a fejlesztők eldönthetik, milyen mélységű testreszabás szükséges egy generatív AI-feladathoz az Amazon Bedrock platformon. A bejegyzés szerint a testreszabási spektrum három fő kategóriára oszlik: a modell változtatás nélküli használata jobb promptokkal, a dokumentumok bevonása retrieval augmented generation (RAG) technikával, illetve a finomhangolás vagy teljesen egyedi modell betanítása. Az AWS azt állítja, hogy a csapatok gyakran rossz döntést hoznak: túl korán nyúlnak finomhangoláshoz, amikor egy jól megírt prompt is elég lenne, vagy éppen ellenkezőleg, hetekig ragaszkodnak a prompt-optimalizáláshoz olyan feladatoknál, amelyek valójában dedikált tanítóadatot igényelnének. A cég szerint mindkét hiba plusz számítási költséggel, csúszó határidőkkel és a megrendelők bizalmának elvesztésével jár. A bejegyzés az Anthropic Claude, az Amazon Nova és a Meta Llama modellek Bedrock-on keresztüli elérhetőségét említi konkrét példaként.

AWS: új aws-ai-ml skill a SageMaker AI következtetés-optimalizáláshoz

Az AWS bemutatta az aws-ai-ml nevű új képességet, amely az Agent Toolkit for AWS részeként érhető el, és az Amazon SageMaker AI optimalizált generatív AI következtetési szolgáltatásához kapcsolódik. A vállalat állítása szerint a Model Context Protocol (MCP) protokollt támogató kódoló ügynökök, például a Kiro, a Claude Code és a Codex, ezzel a bővítménnyel mélyreható szakértelmet kapnak a következtetési végpontok teljesítményének benchmarkolásához, a telepítési konfigurációk ajánlásához és a futtatási eredmények összehasonlításához. A skill futtatható SageMaker Python SDK v3 kódot generál, amelyet a felhasználó a saját környezetében ellenőrizhet és módosíthat, mielőtt lefuttatná. Az AWS szerint a telepítés a helyi gépen vagy a SageMaker Studio JupyterLab térben is elvégezhető, és a cég állítása szerint mindössze 10 perc alatt eljuthatunk egy működő beszélgetésig.

Pizza Bot: nyílt forráskódú postaláda AI-ügynököknek az AWS-től

AWS-fejlesztők nyílt forráskódúvá (Apache 2.0 licenc alatt) tették a Pizza Bot nevű, önhosztolt alkalmazást, amely e-mail-kliens stílusú felületen kezeli a háttérben futó AI-ügynökök munkáját. A rendszer kliens-szerver architektúrán alapul: az ügynökök ütemezetten vagy webhookra indulva dolgoznak, feladatokat delegálhatnak specializált munkásoknak, és emberi jóváhagyásra várhatnak fontosabb lépések előtt. A fejlesztők, Joseph Dolivo (principal technologist) és Igor Fil (solutions architect) szerint a postaláda-metafora azért illik, mert egy szál olyan munkaegység, amihez visszatérünk, nem olyan munkamenet, amit folyamatosan figyelni kell. A rendszer több modellszolgáltatót és MCP-szervert támogat, miközben az ügynök állapotát, szálait és naplóit helyben, a felhasználó gépén tárolja, és csak a kiválasztott modellszolgáltatónak, illetve az engedélyezett MCP-szervereknek küld adatot. A projekt a fejlesztők elmondása szerint egy 2025 áprilisában indult, CRM-naplózást automatizáló belső eszközből, a „JoeBot”-ból nőtte ki magát.

Meta megnyitotta a Muse AI-eszközök fejlesztői kódját

A Meta nyílt forráskóddal (Apache 2.0 licenc) elérhetővé tette a Muse Gadgets projektet, amellyel bárki saját hardvert építhet AI-ügynökéhez, a Muse-hoz. A csomag ESP32-alapú firmware-t és Linux SDK-t tartalmaz, így a Muse megjeleníthető például színes e-ink kijelzőn, HDMI-stickre töltve TV-n, vagy érintőképernyős mini eszközön; a fejlesztők munkáját Discord-közösség segíti. A Meta saját eszközt is készített: a Muse Home Link nevű, USB-C-s gadget okosotthoni eszközöket (TV, hangszóró, nyomtató) tud vezérelni a Muse-on keresztül, ebből 5000 darabot gyártottak, és előfizetőknek ingyen adják, amíg a készlet tart. A szállítás a tervek szerint hetek, illetve e hónap folyamán indul. A lépés a Meta idei hetén bejelentett Muse for Small Business és az új Meta Enterprise Platform üzletág mellé illeszkedik, amelyekkel a cég a Muse-t vállalati ügyfelek felé is terjeszti.