Blogs
Entwickler-Einblicke und praktische Anleitungen von unseren Experten, um Ihr Sucherlebnis zu inspirieren und zu verbessern
Testen Ihres Java-Codes mit Mocks und echtem Elasticsearch
Lernen Sie, wie Sie Ihre automatisierten Tests für Elasticsearch mithilfe von Mocks und Testcontainers schreiben.
Wir stellen LangChain4j vor, um die LLM-Integration in Java-Anwendungen zu vereinfachen.
LangChain4j (LangChain für Java) ist ein leistungsstarkes Toolset, mit dem Sie Ihre RAG-Anwendung in reinem Java erstellen können.
Wie man Daten über Apache Camel in Elasticsearch aufnimmt
Lernen Sie anhand eines praktischen Beispiels, wie Sie Daten mithilfe von Apache Camel in Elasticsearch einlesen.
Fortgeschrittene RAG-Techniken Teil 2: Abfragen und Testen
Diskussion und Umsetzung von Techniken zur Steigerung der RAG-Leistung. Teil 2 von 2, mit Schwerpunkt auf Abfragen und Tests einer erweiterten RAG-Pipeline.
Erweiterte RAG-Techniken Teil 1: Datenverarbeitung
Diskussion und Umsetzung von Techniken zur Steigerung der RAG-Leistung. Teil 1 von 2, der sich auf die Datenverarbeitungs- und Aufnahmekomponente einer fortschrittlichen RAG-Pipeline konzentriert.
Geodaten-Suche mit Elasticsearch und ES|QL
Geodaten-Suche in der Elasticsearch Query Language (ES|QL). Elasticsearch verfügt über leistungsstarke Geodaten-Suchfunktionen, die nun in ES|QL integriert werden, um die Benutzerfreundlichkeit und OGC-Vertrautheit deutlich zu verbessern.
Schutz sensibler und personenbezogener Daten in RAG mit Elasticsearch und LlamaIndex
Wie man sensible Daten und personenbezogene Daten in einer RAG-Anwendung mit Elasticsearch und LlamaIndex schützt.
Bewertung der Suchrelevanz Teil 1 – Der BEIR-Benchmark
Lernen Sie, Ihr Suchsystem im Zusammenhang mit einem besseren Verständnis des BEIR-Benchmarks zu bewerten, mit Tipps und Techniken zur Verbesserung Ihrer Suchbewertungsprozesse.
Elasticsearch vs. OpenSearch: Vergleich der Leistung bei der Vektorsuche
Elasticsearch ist standardmäßig bei der Vektorsuche 2 bis 12 Mal schneller als OpenSearch
Vektorähnlichkeitsmaße und Bewertung
Erkunden Sie Vektorähnlichkeitsmaße und Bewertungsmethoden in Elasticsearch, einschließlich L1- und L2-Distanz, Kosinusähnlichkeit, Skalarproduktähnlichkeit und maximaler Skalarproduktähnlichkeit.
Die Entwicklung des Elasticsearch .NET-Clients: Von NEST zu Elastic.Clients.Elasticsearch
Erfahren Sie mehr über die Entwicklung des Elasticsearch .NET-Clients und den Übergang von NEST zu Elastic.Clients.Elasticsearch.