Blog
Informations pour les développeurs et articles pratiques de nos experts pour inspirer et dynamiser votre expérience de recherche
Vivre et prospérer avec les logs : nouveau mode d'indexation Elasticsearch logsdb
La dernière innovation d'Elasticsearch en matière de gestion des journaux, logsdb, réduit l'empreinte de stockage des données de journaux jusqu'à 65%, ce qui permet aux équipes chargées de l'observabilité et de la sécurité d'accroître la visibilité sans dépasser leur budget, tout en conservant l'accessibilité et la possibilité de recherche de toutes les données.
Comment utiliser le connecteur Elasticsearch Vector Store pour Microsoft Semantic Kernel pour le développement d'agents d'intelligence artificielle ?
Microsoft Semantic Kernel est un kit de développement léger et open-source qui vous permet de créer facilement des agents d'intelligence artificielle et d'intégrer les derniers modèles d'intelligence artificielle dans votre base de code C#, Python ou Java. Avec la sortie du connecteur Semantic Kernel Elasticsearch Vector Store, les développeurs qui utilisent Semantic Kernel pour créer des agents d'intelligence artificielle peuvent désormais utiliser Elasticsearch comme un magasin vectoriel d'entreprise évolutif tout en continuant à utiliser les abstractions de Semantic Kernel.
Comment utiliser la recherche hybride pour un catalogue de produits de commerce électronique ?
Apprenez à utiliser la recherche hybride pour créer un catalogue de produits de commerce électronique, en utilisant les facettes, les promotions, la personnalisation et l'analyse comportementale.
Mise en œuvre de la recherche sémantique : Construire une recherche de recettes avec Elasticsearch
Mise en œuvre de la recherche sémantique dans le contexte des sites de commerce électronique.
Ingérer des données géospatiales dans Elasticsearch avec Kibana pour les utiliser dans ES|QL
Comment utiliser Kibana et le processeur d'ingestion csv pour ingérer des données géospatiales dans Elasticsearch afin de les utiliser pour la recherche dans Elasticsearch Query Language (ES|QL). Elasticsearch possède de puissantes fonctionnalités de recherche géospatiale, qui sont désormais intégrées à ES|QL pour une facilité d'utilisation et une familiarité avec l'OGC considérablement améliorées. Mais pour utiliser ces fonctionnalités, nous avons besoin de données géospatiales.
Création d'une application de recherche avec Blazor et Elasticsearch
Apprenez à construire une application de recherche en utilisant Blazor et Elasticsearch, et à utiliser le client Elasticsearch .NET pour la recherche hybride.
LangChain4j avec Elasticsearch comme magasin de plongements
LangChain4j (LangChain pour Java) a Elasticsearch comme magasin intégré. Découvrez comment l'utiliser pour construire votre application RAG en Java simple.
Tester votre code Java avec des mocks et du vrai Elasticsearch
Apprenez à écrire vos tests automatisés pour Elasticsearch, en utilisant des mocks et des Testcontainers.
Présentation de LangChain4j pour simplifier l'intégration de LLM dans les applications Java
LangChain4j (LangChain pour Java) est un ensemble d'outils puissants pour construire votre application RAG en Java simple.
Comment ingérer des données dans Elasticsearch via Apache Camel ?
Apprenez à ingérer des données dans Elasticsearch via Apache Camel à l'aide d'un exemple pratique.
Techniques avancées de RAG, partie 2 : Requêtes et tests
Discuter et mettre en œuvre des techniques susceptibles d'améliorer les performances du RAG. Partie 2 sur 2, axée sur l'interrogation et le test d'un pipeline RAG avancé.
Techniques avancées de RAG partie 1 : Traitement des données
Discuter et mettre en œuvre des techniques susceptibles d'améliorer les performances du RAG. Partie 1 sur 2, se concentrant sur le traitement et l'ingestion des données d'un pipeline RAG avancé.