Categoría: AI
Artículos etiquetados como AI
Uso de modelos Amazon Nova en Elasticsearch
Aprende a usar los modelos Amazon Nova en Elasticsearch para extraer automáticamente el sentimiento, la autenticidad, los resúmenes y las palabras clave de las reseñas de productos en Elasticsearch.
Conecta agentes a Elasticsearch con Model Context Protocol
Usemos el servidor Model Context Protocol para chatear con tus datos en Elasticsearch.
Creación de un sistema RAG multimodal con Elasticsearch: la historia de Gotham City
Aprenda a crear un sistema multimodal de generación aumentada de recuperación (RAG) que integre datos de texto, audio, video e imagen para proporcionar una recuperación de información más rica y contextualizada.
Uso de Ollama con la API de inferencia
Aprende cómo integrar Ollama con Elasticsearch usando la API de Inference.
Pruebas locales de DeepSeek R1 para RAG con Ollama y Kibana
Aprende a ejecutar una instancia local de DeepSeek y conectarse a ella desde Kibana.
Búsqueda facetada: Emplea la IA para mejorar el alcance y los resultados de la búsqueda
Explora cómo usar la búsqueda por facetas en Elasticsearch para reducir rápidamente las opciones dentro de las categorías.
Cómo usar el Conector de Almacenamiento de Vectores de Elasticsearch para el Kernel Semántico de Microsoft para el desarrollo de agentes de IA
Microsoft Semantic Kernel es un kit de desarrollo ligero y de código abierto que te permite construir agentes de IA con facilidad e integrar los últimos modelos de IA en tu base de código en C#, Python o Java. Con el lanzamiento del Conector de Almacenamiento Vectorial de Semantic Kernel Elasticsearch, los desarrolladores que emplean Semantic Kernel para construir agentes de IA pueden ahora integrar Elasticsearch como un almacén vectorial escalable de nivel empresarial, mientras continúan empleando abstracciones de Semantic Kernel.
LangChain4j con Elasticsearch como almacén de incrustaciones
LangChain4j (LangChain para Java) tiene Elasticsearch como almacén de incrustación. Descubre cómo usarlo para construir tu aplicación RAG en Java puro.
Presentamos LangChain4j para simplificar la integración de LLM en aplicaciones Java
LangChain4j (LangChain para Java) es un conjunto de herramientas poderosa para construir tu aplicación RAG en Java puro.
Técnicas avanzadas de RAG parte 2: Consultas y pruebas
Discutir e implementar técnicas que puedan aumentar el rendimiento de RAG. Parte 2 de 2, centrada en consultar y probar una pipeline avanzada de RAG.
Técnicas avanzadas de RAG parte 1: Procesamiento de datos
Discutir e implementar técnicas que puedan aumentar el rendimiento de RAG. Parte 1 de 2, centrada en el componente de procesamiento e ingesta de datos de una tubería avanzada de RAG.
