Kategorie: KI
Markierte Artikel KI
Multimodale Suche nach Berggipfeln mit Elasticsearch und SigLIP-2
Lernen Sie, wie Sie die multimodale Suche von Text zu Bild und von Bild zu Bild mithilfe von SigLIP-2-Einbettungen und der Elasticsearch kNN-Vektorsuche implementieren. Projektschwerpunkt: Auffinden von Fotos des Gipfels des Mount Ama Dablam während einer Everest-Trekkingtour.
Elastischer MCP-Server: Agent Builder-Tools für jeden KI-Agenten zugänglich machen
Erfahren Sie, wie Sie den integrierten Elastic MCP-Server im Agent Builder nutzen können, um jeden KI-Agenten sicher um Zugriff auf Ihre privaten Daten und benutzerdefinierten Tools zu erweitern.
Evaluierung von KI-Agenten: Wie Elastic agentenbasierte Frameworks testet
Erfahren Sie, wie wir Änderungen an einem agentenbasierten System bewerten und testen, bevor wir sie für Elastic-Benutzer freigeben, um genaue und überprüfbare Ergebnisse zu gewährleisten.
Verbindung von Elastic Agents mit Gemini Enterprise über das A2A-Protokoll
Erfahren Sie, wie Sie mit Agent Builder Ihren benutzerdefinierten Elastic Agent externen Diensten wie Gemini Enterprise mithilfe des A2A-Protokolls zugänglich machen.
Ihr erster Elastic Agent: Von einer einzelnen Anfrage bis zum KI-gestützten Chat
Erfahren Sie, wie Sie mit dem AI Agent Builder von Elastic spezialisierte KI-Agenten erstellen können. In diesem Blogbeitrag entwickeln wir einen KI-gestützten Finanzagenten.
Erstellung von KI-Agenten-Workflows mit Elasticsearch
Lernen Sie Agent Builder kennen, eine neue KI-Ebene in Elasticsearch, die ein Framework für die Erstellung von KI-Agenten-Workflows bietet und dabei die hybride Suche nutzt, um den Agenten den Kontext zu liefern, den sie zum Denken und Handeln benötigen.
KI-gestützte Dashboards: Von der Vision zu Kibana
Generieren Sie ein Dashboard mithilfe eines LLM, um ein Bild zu verarbeiten und in ein Kibana-Dashboard umzuwandeln.
Entwicklung eines agentenbasierten RAG-Assistenten mit JavaScript und Mastra und Elasticsearch
Lerne, wie du KI-Agenten im JavaScript-Ökosystem entwickelst.
Verwenden von Azure LLM-Funktionen mit Elasticsearch für intelligentere Abfrageerlebnisse
Entdecken Sie eine Beispiel-Immobilien-Such-App, die Azure Gen AI LLM Functions mit Elasticsearch nutzt, um flexible hybride Suchergebnisse zu liefern. Eine Schritt-für-Schritt-Anleitung zur Konfiguration und Ausführung der Beispiel-App in GitHub Codespaces finden Sie hier.
Der aktuelle Stand von MCP (Model Context Protocol)
Informieren Sie sich über MCP, Projektaktualisierungen, Funktionen, Sicherheitsherausforderungen, neue Anwendungsfälle und wie Sie mit dem Elasticsearch MCP-Server von Elastic herumbasteln können.
Spring AI und Elasticsearch als Ihre Vektordatenbank
Lernen Sie, wie Sie eine produktionsreife RAG-App mit Spring AI und Elasticsearch erstellen und LLMs mit Ihren proprietären Daten mithilfe einer Vektordatenbank integrieren.
