Hackathon do Elasticsearch Agent Builder
Aqui está o que a comunidade criou

No início deste ano, a Elastic apresentou o Hackathon do Elasticsearch Agent Builder, um desafio que convidou desenvolvedores a criar agentes de IA significativos e funcionais usando o Elastic Agent Builder. O objetivo foi combinar um modelo de raciocínio com ferramentas do Elastic Agent Builder, como Elastic Workflows, Elasticsearch ou a linguagem de consulta do Elasticsearch (ES|QL), para automatizar fluxos de trabalho internos desorganizados, conectar sistemas desconectados e montar agentes impactantes e específicos de domínio. A resposta foi notável. Desenvolvedores de todo o mundo enviaram projetos abrangendo saúde, segurança, conformidade regulatória e outros.
Cada participante identificou um problema crítico no campo; considerou como agentes, buscas e orquestração poderiam trabalhar juntos para resolver; e criou algo que soluciona um problema real. Os resultados mostram o que é possível quando o raciocínio baseado em grandes modelos de linguagem (LLM) é combinado com a rapidez e a estrutura dos agentes, incluindo pipelines que detectam sinais de segurança de medicamentos em menos de 60 segundos, sistemas de testes adversariais que ficam mais inteligentes com o tempo e ferramentas de detecção de duplicatas que economizam dias de trabalho manual para os profissionais de saúde.
Confira abaixo os posts das três equipes vencedoras, abordando o problema que escolheram, como projetaram a arquitetura dos agentes e as lições que aprenderam ao longo do processo. Seja você iniciante no Agent Builder ou já está desenvolvendo sistemas de produção, vale a pena ler os posts.
Os vencedores
PHAROS: Quatro agentes, 60 segundos, um sinal de segurança de medicamentos perdido de um desastre
Prajwal Sutar criou PHAROS — um sistema de farmacovigilância com quatro agentes que processa relatórios de eventos adversos da FDA, realiza análises estatísticas conforme os padrões da OMS inteiramente no ES|QL, gera documentação regulatória e envia alertas para Slack, Jira e e-mail tudo em menos de um minuto. Seu artigo aborda a arquitetura deliberada dos agentes, a decisão de manter os cálculos estatísticos no Elasticsearch e o processamento de JSON no pipeline.
Gauntlet: O que acontece quando as ferramentas do seu agente reagem
Kavish Sathia criou o Gauntlet — uma estrutura de testes adversários em que um agente simulado intercepta as chamadas de ferramentas do agente principal e tenta quebrá-las automaticamente, com uma memória de longo prazo que o deixa mais criativo a cada execução. Reconstruído do zero 48 horas antes do prazo final, após uma mudança de rumo, o Gauntlet explica de forma convincente por que o teste de caminho feliz não basta para agentes com acesso a ferramentas do mundo real. A publicação explica a arquitetura de duas memórias e como a função de autocompletar do ES|QL o surpreendeu.
Detectando erros invisíveis: um agente de detecção de duplicatas para o programa de HIV no Quênia
Fredrick Kioko é um arquiteto de soluções em Nairóbi que desenvolve sistemas de informação em saúde para os 47 condados do Quênia. Ele levou ao hackathon um problema que vinha observando há meses: registros duplicados de pacientes na infraestrutura de testes de HIV do Quênia, que inflavam silenciosamente os painéis e desperdiçavam reagentes. Seu sistema de três agentes digitalizou 1.010 registros reais anônimos em menos de 10 segundos, identificando 131 duplicatas, incluindo casos em várias instalações no mesmo dia, o que levaria semanas para serem detectados manualmente. Seu blog ilustra por que a capacidade de explicar não é um luxo em IA clínica.
Saiba mais sobre os vencedores
Esses três projetos representam domínios muito diferentes, mas têm um tema comum: cada construtor começou com um problema concreto e caro e usou o Agent Builder para construir algo que raciocina sobre ele, em vez de apenas consultá-lo. Esse é exatamente o trabalho que o hackathon foi criado para revelar.
Leia abaixo os blogs de cada vencedor e descubra o que é possível.
O lançamento e o tempo de amadurecimento de todos os recursos ou funcionalidades descritos neste artigo permanecem a exclusivo critério da Elastic. Os recursos ou funcionalidades não disponíveis no momento poderão não ser entregues ou não chegarem no prazo previsto.
Neste post do blog, podemos ter usado ou feito referência a ferramentas de IA generativa de terceiros, que pertencem a seus respectivos proprietários e são operadas por eles. A Elastic não tem nenhum controle sobre as ferramentas de terceiros e não temos qualquer responsabilidade por seu conteúdo, operação ou uso, nem por qualquer perda ou dano que possa surgir do uso de tais ferramentas. Tenha cuidado ao usar ferramentas de IA com informações pessoais, sensíveis ou confidenciais. Os dados que você enviar poderão ser usados para treinamento de IA ou outros fins. Não há garantia de que as informações fornecidas serão mantidas seguras ou confidenciais. Você deve se familiarizar com as práticas de privacidade e os termos de uso de qualquer ferramenta de IA generativa antes de usá-la.
Elastic, Elasticsearch e marcas associadas são marcas comerciais, logotipos ou marcas registradas do Elasticsearch B.V. nos Estados Unidos e em outros países. Todos os outros nomes de empresas e produtos são marcas comerciais, logotipos ou marcas registradas de seus respectivos proprietários.