类别: AI

标记为 AI 的文章

筛选

使用模型上下文协议将代理连接到 Elasticsearch

让我们使用模型上下文协议服务器与 Elasticsearch 中的数据聊天。

Jedr Blaszyk

利用 Elasticsearch 构建多模式 RAG 系统:高谭市的故事

了解如何构建多模态检索增强生成(RAG)系统,该系统可整合文本、音频、视频和图像数据,以提供更丰富的上下文化信息检索。

Alex Salgado

将 Ollama 与推理应用程序接口结合使用

了解如何使用 Inference API 将 Ollama 与 Elasticsearch 集成。

Jeffrey Rengifo

在本地使用 Ollama 和 Kibana 测试 DeepSeek R1 的 RAG 功能

了解如何运行 DeepSeek 的本地实例,并从 Kibana 内部连接到它。

Dave Erickson

分面搜索:利用人工智能改进搜索范围和结果

探索如何在 Elasticsearch 中使用面搜索来快速缩小类别内的选项范围。

Andre Luiz

如何使用用于微软语义内核(Microsoft Semantic Kernel)的Elasticsearch矢量存储连接器进行人工智能代理开发

微软语义内核(Microsoft Semantic Kernel)是一款轻量级开源开发工具包,可让您轻松构建人工智能代理,并将最新的人工智能模型集成到您的 C#、Python 或 Java 代码库中。随着Semantic Kernel Elasticsearch向量存储连接器(Elasticsearch Vector Store Connector)的发布,使用Semantic Kernel构建人工智能代理的开发人员现在可以将Elasticsearch作为可扩展的企业级向量存储插件,同时继续使用Semantic Kernel抽象。

Florian Bernd

LangChain4j 使用 Elasticsearch 作为嵌入存储

LangChain4j(Java 版 LangChain)将 Elasticsearch 作为嵌入式存储。了解如何使用它在普通 Java 中构建 RAG 应用程序。

David Pilato

引入 LangChain4j 以简化 LLM 与 Java 应用程序的集成

LangChain4j(LangChain for Java)是一个功能强大的工具集,可用于在纯 Java 中构建 RAG 应用程序。

David Pilato

高级 RAG 技术第 2 部分:查询和测试

讨论并实施可提高 RAG 性能的技术。第 2 部分(共 2 部分),重点是查询和测试高级 RAG 管道。

Han Xiang Choong

高级 RAG 技术第 1 部分:数据处理

讨论并实施可提高 RAG 性能的技术。第 1 部分(共 2 部分),重点介绍高级 RAG 管道的数据处理和摄取部分。

Han Xiang Choong

利用 Elasticsearch 和 LlamaIndex 保护 RAG 中的敏感信息和 PII 信息

如何使用 Elasticsearch 和 LlamaIndex 保护 RAG 应用程序中的敏感数据和 PII 数据。

Srikanth Manvi

使用 LlamaIndex、Elasticsearch 和 Mistral 的 RAG(检索增强生成

了解如何使用 LlamaIndex、Elasticsearch 和本地运行的 Mistral 实现 RAG(检索增强生成)系统。

Srikanth Manvi

准备好打造最先进的搜索体验了吗?

足够先进的搜索不是一个人的努力就能实现的。Elasticsearch 由数据科学家、ML 操作员、工程师以及更多和您一样对搜索充满热情的人提供支持。让我们联系起来,共同打造神奇的搜索体验,让您获得想要的结果。

亲自试用