博客

我们的专家团队提供了开发人员见解和实用操作方法文章，为您的搜索体验注入灵感与活力

筛选
JavaAI

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
索引数据

如何通过 Apache Camel 向 Elasticsearch 采集数据

通过实际示例了解如何通过 Apache Camel 将数据摄入 Elasticsearch。

Andre Luiz
向量数据库AI

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
向量数据库AI

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
PythonES|QL

使用 ES|QL 进行 Elasticsearch 地理空间搜索

Elasticsearch 查询语言 (ES|QL) 中的地理空间搜索。Elasticsearch 具有强大的地理空间搜索功能，ES|QL 将大幅提高易用性和 OGC 熟悉度。

Craig Taverner
AI

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
ML 研究Python

评估搜索相关性第一部分 —— BEIR 基准测试

学习在深入理解 BEIR 基准测试的背景下评估您的搜索系统，并掌握提升搜索评估流程的技巧与方法。

Thanos Papaoikonomou
向量数据库Lucene

Elasticsearch 与 OpenSearch：向量搜索性能比较

Elasticsearch 开箱即用，在向量搜索方面比 OpenSearch 快 2 倍至 12 倍

Ugo Sangiorgi
向量数据库

向量相似性测量和评分

探索 Elasticsearch 中的向量相似性度量和评分，包括 L1& L2 距离、余弦相似性、点积相似性和最大内积相似性。

Valentin Crettaz
.NET

Elasticsearch .NET 客户端的演变：从 NEST 到 Elastic.Clients.Elasticsearch

了解 Elasticsearch .NET 客户端的演变以及从 NEST 到 Elastic.Clients.Elasticsearch 的过渡。

Florian Bernd
AI

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
ES|QLPHP

从 ES|QL 到 PHP 对象

学习如何在 PHP 中执行和管理 ES|QL 查询。请按照本指南将 ES|QL 结果映射到 PHP 对象或自定义类。

Enrico Zimuel

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