不到一分钟即可提示进入仪表板，价格便宜 5 倍：Kibana 中的 AI 仪表板和自定义 Vega-Lite 图表
用自然语言描述您的指标，Kibana 的 AI 聊天功能即可生成 ES|QL 支持的仪表板和 Vega-Lite 图表，从散点图到条件格式和自定义工具提示，应有尽有。
Kibana 的 AI 聊天功能现在可以在不到一分钟的时间内根据自然提示构建完整的 Elasticsearch 查询语言 (ES|QL) 支持的仪表板。在 Elastic 9.5 中，这转向了正式可用性 (GA)（9.4 的技术预览版），错误恢复可重试失败的查询，通过分层模型路由和交互式筛选控件将 ES|QL 生成成本降低 5 倍。此版本还增加了通过自然语言创建 Vega-Lite 图表的功能，包括散点图、箱形图、条件格式和通常需要在 JSON 中手动编码的自定义工具提示。
Kibana AI 仪表板创建的新增功能
功能 | 技术预览版 (9.4) | GA (9.5) |
错误处理能力 | 无法重试失败的 ES|QL 查询 | 自动重试最多三次，并进行查询检查和调整 |
ES|QL 生成成本 | 所有查询均通过主模型路由 | 分层模型路由，价格最多可降低 5 倍 |
时间范围 | 固定默认窗口 | 基于数据时间分布的自动选择 |
筛选控件 | 不支持 | 自动为相关性最高的字段添加 |
Vega-Lite 图表 | 不支持 | 自然语言创建，包括散点图、箱形图、条件格式、自定义工具提示 |
图表编辑 | 不支持 | 通过自然语言编辑现有的 Vega-Lite 面板 |
AI 仪表板生成的自动错误恢复
在技术预览版中，代理不会重试失败的 ES|QL 查询。在 9.5 中，它检测查询错误并重试最多三次，检查每个错误并调整查询，然后再放弃。实际上，这消除了大部分空面板问题，并生成首次尝试即可正确渲染的仪表板。
为什么在 Elastic 9.5 中创建 AI 仪表板更便宜？
并非仪表板生成过程中的每一步都需要同等程度的推理。在 9.5 中，ES|QL 生成默认使用较轻量级模型，仅在需要时才回退到主模型。如果您的连接器使用 Anthropic 的 Claude Opus 4.8，这意味着所有面板的 ES|QL 生成成本将降低 5 倍。
根据您的数据自动选择时间范围
仪表板只有在显示正确的数据窗口时才有用。现在，代理会应用改进的逻辑来选择适配查询数据的合理时间范围，除非用户要求特定的时间范围。它会考虑数据的时间分布并进行相应的调整，无论是实时事件的最后一小时，还是趋势分析的过去 90 天，而不是默认使用固定的时间窗口。
AI 生成的仪表板上的自动筛选控件
仪表板创建现在支持控件；也就是说，交互式筛选器允许查看者按字段值缩小仪表板范围，而无需编辑底层查询。生成仪表板时，代理会自动在顶部添加控件，用于筛选最相关的字段。
使用自然语言创建 Vega-Lite 图表：图表类型和默认之外的格式
Vega 和 Vega-Lite 支持 Kibana 中的各种图表类型和自定义功能。使用 9.5，您可以直接用纯语言构建它们，而无需自己编写代码。
散点图、箱形图以及更多 Vega-Lite 图表类型
散点图、箱形图、分面小倍数、气泡图和组成图（类似将直方图与热图结合）等多种图表均由 Vega-Lite 支持。类似“向我显示响应时间与请求大小的散点图，按服务名称着色”这样的提示会生成一个具有正确数据映射的 Vega-Lite 面板。他们使用 Kibana 的默认调色板与仪表板的其余部分融为一体。
Dashboard showing four different Vega-Lite charts: Box plot, scatterplot, small multiples, and heatmap with marginal histograms.
标准图表上的条件格式、自定义工具提示和标签
即使对于仪表板中已有的图表类型（如柱形图、折线图或面积图），有时您也需要比默认功能提供的更多控制。Vega-Lite 通过聊天功能填补了这一空白。一些示例包括：
条件颜色格式：以不同的颜色标记高于阈值的数据点；例如，当某些指标的峰值超过您的服务级别目标 (SLO) 时，将折线或柱状图中的数据点标记为红色。您可以向代理提出类似的问题：将折线图中所有高于 500 毫秒的点都变成红色。
自定义标记和标签：向数据点添加表情符号、符号或行内文本标签，使状态指示器一目了然。
自定义工具提示：使用不属于图表轴的其他指标、上下文或计算值来丰富悬停状态。可以提出类似这样的问题：添加一个工具提示，显示总记录数和每条柱状图的百分比。
这也适用于编辑现有的 Vega 图表。如果您的 Vega-Lite 面板需要进行一些调整，例如更改颜色标度、调整坐标轴或切换标记类型，请在聊天中描述更改，而不是深入研究 JSON 代码。
我们如何在 Kibana 中构建自然语言 Vega-Lite 生成
从句子生成 Vega-Lite 图表并不是一次性 向模型请求 JSON 提示。我们构建了一个小型的代理管道，将自然语言意图转化为经过验证、数据支持的图表。
当收到请求时，代理首先确定 Vega-Lite 是否合适。对于 Vega-Lite 请求，它将可视化建立在针对 Elasticsearch 的真实 ES|QL 查询之上，然后使用模型生成 Vega-Lite 代码。在渲染之前，结果会经过一个规范化层，纠正模式并绑定规范查询。它还应用了渲染安全转换。
有几个设计选择使该工作流可靠：
类型化工具调用：图表创建是一个结构化的工具调用，而不是将自由格式的 Vega-Lite 粘贴到对话中。
受限生成：模型在定义的模式内生成 Vega-Lite 代码，使输出更可预测且易于验证。
精选示例：结构模式（如分面、分层标记和热图）可在不复制底层数据的情况下提供指导。
执行和验证循环：在图表创作之前执行查询，验证失败会触发 ES|QL 生成的纠正性重试。
尝试在 Kibana 中创建 AI 仪表板和 Vega-Lite 图表
要尝试使用自然语言仪表板创建和 Vega-Lite 图表，请升级到 Elastic 9.5（或开始免费试用），然后在 Kibana 中打开聊天。然后要求它根据您的数据构建仪表板。对于 Vega-Lite，您可以尝试请求创建想要但从未创建过的图表类型，例如散点图或气泡图。如果结果不完全准确，请告诉代理需要修改的内容。它会与您一起迭代。
这需要企业许可证。开始使用。
本文中描述的任何功能或功能性的发布和时间均由 Elastic 自行决定。当前尚未发布的任何功能或功能性可能无法按时提供或根本无法提供。
