2026. július 21., kedd · Eszközök

Az Amazon Quick és az NVIDIA NeMo Agent Toolkit együttműködése ellátásilánc-kezelő ügynökfolyamatokat kínál

Az AWS hivatalos blogján bemutatott megoldás az Amazon Quick és az NVIDIA NeMo Agent Toolkit összekapcsolásával specializált, ügynökalapú munkafolyamatokat épít ellátásilánc-kockázatok kezelésére. Az Amazon Quick egységes, beszélgetésalapú felületet biztosít strukturált és strukturálatlan vállalati adatokhoz, több mint száz előre elkészített csatlakozóval és MCP-protokollon keresztül elérhető ügynökfolyamatokkal. Az NVIDIA NeMo Agent Toolkit nyílt forráskódú, keretrendszer-független könyvtárként működik, amely LangChain, LlamaIndex, CrewAI és más eszközökkel is kompatibilis. A bemutatott példában egy ellátásilánc-elemző az irányítópult kontextusából kiindulva, a csevegőügynökön keresztül automatikusan vizsgálja a zavarokat, hívja meg az eszközöket, validálja a javaslatot, és rangsorolt kockázatcsökkentési tervet ad vissza a tervezőnek.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Vállalati felhasználók irányítópultról indulva automatizált, ügynökalapú döntéstámogatást kaphatnak ellátásilánc-zavarok kezelésére.

Források

AWS Machine Learning Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #Amazon Quick#NVIDIA NeMo Agent Toolkit

Napi összefoglaló

Ez a hír a 2026. július 21., kedd napi AI összefoglaló része.

Kapcsolódó hírek

AWS új mintázata: AI chat és determinisztikus szabálymotor a bérleti szerződések ellenőrzésére

Az AWS hivatalos blogbejegyzése egy úgynevezett „Adjudicated Query” tervezési mintát mutat be, amely az Amazon Quick generatív AI-alapú chat felületét kapcsolja össze egy nem-AI, determinisztikus szabálymotorral. A cél, hogy üzleti felhasználók természetes nyelven tehessenek fel megfelelőségi kérdéseket, miközben a tényleges megfelel/nem felel döntést mindig a szabálymotor hozza, nem a nyelvi modell. A bemutatott példa szerint egy ingatlanportfólió-kezelő akár 50 000 bérleti szerződést tart nyilván több államban, és új törvényi változás esetén teljes körűen, bizonyíthatóan kell ellenőriznie az összes érintett szerződést, például egy adott államban mind a 22 910 texasi szerződést. Az AWS szerint sem a hagyományos RAG-alapú keresés, sem a text-to-SQL megoldás nem garantálja ezt a teljes lefedettséget és utólagos védhetőséget, ezért javasolják a két réteg szétválasztását. A minta más magas tétű megfelelőségi területeken is alkalmazható, például szankciós szűrésnél, biztosítási kárigény-elbírálásnál vagy exportellenőrzésnél.

AWS útmutatót adott ki az Amazon Quick AI-ügynökök biztonságos bevezetéséhez

Az AWS saját blogbejegyzése szerint az Amazon Quick platform gyakran sikeresen indul kis pilot csapatokkal, majd elakad, amikor a biztonsági csapatok átveszik a production tervet. A cég állítása szerint a tíz felhasználóra méretezett jogosultsági modell megbomlik öt osztály hozzáadásakor, és az ügynökök a tervezett hatókörön kívüli adatokat is visszaadhatnak. Egy fiktív, 5000 fős vállalati példán mutatják be a megoldást: egy adathalmazt három, jogosultsághoz igazított nézetre bontanak, külön Agentekkel és Dashboardokkal, jóváhagyási ponttal ellátott Flow-val. A bejegyzés négy mintát és egy governance-keretrendszert ismertet, kizárólag az AWS saját termékére vonatkozóan.

DeepSeek nyílt forráskódúvá tette gyors következtetési motorját, a DeepInfert

A DeepSeek Apache 2.0 licenc alatt nyílt forráskódúvá tette DeepInfer nevű belső következtetési keretrendszerét, amely a V4.1-Flash modelljét szolgálja ki gyorsan és olcsón – írja a The Decoder. A vLLM-re épülő rendszer optimalizált számítási kerneleket, több chipre elosztott feldolgozást és gyorsabb szöveggenerálási technikákat használ, és a cég jövőbeli modelljeinek kódját is nyíltan teszi közzé. Emellett megjelenik a deepseek-recipe is, amely a hivatalos DeepSeek API tokenfeldolgozását replikálja, hogy az önüzemeltetett rendszerek ugyanúgy viselkedjenek. A vállalat közlése szerint a cél a közösség számítási költségeinek és energiafelhasználásának csökkentése, hogy az AI megfizethetőbb legyen. A lap szerint a lépés egyben árversenyt gerjeszt a nyugati szolgáltatókkal, és a kínai–amerikai AI-verseny fényében akár politikai motivációja is lehet.

A Google is bemutatta saját PyTorch-verzióját, hogy gyengítse az Nvidia dominanciáját

A Google a TechCrunch beszámolója szerint kedden nyílt forráskódúként tette közzé a TorchTPU nevű eszközt, amely a népszerű PyTorch keretrendszer saját, Tensor Processing Unit (TPU) chipekre optimalizált változata. A cég állítása szerint a meglévő PyTorch-alkalmazások egyszerű konfigurációváltással, újraírás nélkül átvihetők a Google Cloud TPU-ira. A lépéssel a Google csatlakozik Amazonhoz, amely hétfőn jelentette be saját TorchNeuron megoldását a Trainium chipekhez, és emellett kódot nyújtott be a fő PyTorch projekthez, hogy a keretrendszer alapból kevésbé kötődjön az Nvidia hardveréhez. A TechCrunch szerint a Google azt állítja, hogy közvetlenül együttműködött a Metával, a Hugging Face-szel, valamint a vLLM-et és az SGLang-ot fejlesztő cégekkel a kompatibilitás biztosítása érdekében, és egy új TPU agent suite eszközt is indított a migráció segítésére. A PyTorch-ot eredetileg a Meta fejlesztette 2016-ban, majd 2022-ben a Linux Foundation nonprofit szervezetnek adta át.