Categoria: AI
Artigos marcados como AI
Utilizando modelos do Amazon Nova no Elasticsearch
Aprenda a usar os modelos Amazon Nova no Elasticsearch para extrair automaticamente sentimentos, autenticidade, resumos e palavras-chave das avaliações de produtos no Elasticsearch.
Conecte agentes ao Elasticsearch com o protocolo de contexto do modelo
Vamos usar o servidor Model Context Protocol para conversar com seus dados no Elasticsearch.
Construindo um sistema RAG multimodal com Elasticsearch: A história de Gotham City
Aprenda a construir um sistema multimodal de Recuperação-Geração Aumentada (RAG) que integra dados de texto, áudio, vídeo e imagem para fornecer recuperação de informações mais rica e contextualizada.
Usando Ollama com a API de Inferência
Aprenda como integrar o Ollama com o Elasticsearch usando a API de Inferência.
Testando o DeepSeek R1 localmente para RAG com Ollama e Kibana
Saiba como executar uma instância local do DeepSeek e conectá-la a partir do Kibana.
Busca facetada: Use IA para aprimorar o escopo e os resultados da busca.
Descubra como usar a pesquisa facetada no Elasticsearch para refinar rapidamente as opções dentro de categorias.
Como usar o conector Elasticsearch Vector Store para o Microsoft Semantic Kernel no desenvolvimento de agentes de IA
O Microsoft Semantic Kernel é um kit de desenvolvimento leve e de código aberto que permite criar facilmente agentes de IA e integrar os modelos de IA mais recentes em seu código C#, Python ou Java. Com o lançamento do Semantic Kernel Elasticsearch Vector Store Connector, os desenvolvedores que usam o Semantic Kernel para criar agentes de IA agora podem integrar o Elasticsearch como um armazenamento vetorial escalável de nível empresarial, continuando a usar as abstrações do Semantic Kernel.
LangChain4j com Elasticsearch como armazenamento de incorporação
O LangChain4j (LangChain para Java) utiliza o Elasticsearch como armazenamento integrado. Descubra como usá-lo para construir sua aplicação RAG em Java puro.
Apresentamos o LangChain4j para simplificar a integração do LLM em aplicações Java.
LangChain4j (LangChain para Java) é um conjunto de ferramentas poderoso para construir sua aplicação RAG em Java puro.
Técnicas avançadas de RAG, parte 2: Consultas e testes
Discutir e implementar técnicas que possam aumentar o desempenho do RAG. Parte 2 de 2, com foco em consultas e testes de um pipeline RAG avançado.
Técnicas avançadas de RAG, parte 1: Processamento de dados
Discutir e implementar técnicas que possam aumentar o desempenho do RAG. Parte 1 de 2, com foco no componente de processamento e ingestão de dados de um pipeline RAG avançado.
