Blogs
Insights de desenvolvedores e artigos práticos dos nossos experts para inspirar e fortalecer suas buscas
Log ao vivo e próspero: Elasticsearch recentemente especializado no modo de índice logsdb
A mais recente inovação do Elasticsearch em gerenciamento de logs, o logsdb, reduz o espaço de armazenamento de dados de log em até 65%, permitindo que as equipes de observabilidade e segurança expandam a visibilidade sem exceder seu orçamento, mantendo todos os dados acessíveis e pesquisáveis.
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.
Como usar a busca híbrida em um catálogo de produtos de e-commerce
Aprenda a usar a busca híbrida para criar um catálogo de produtos de e-commerce, utilizando filtros, promoções, personalização e análise comportamental.
Implementação de busca semântica: Construindo uma busca de receitas com Elasticsearch
Implementação da busca semântica no contexto de sites de comércio eletrônico.
Ingerir dados geoespaciais no Elasticsearch com o Kibana para uso no ES|QL
Como usar o Kibana e o processador de ingestão CSV para importar dados geoespaciais para o Elasticsearch para uso com pesquisa na Linguagem de Consulta Elasticsearch (ES|QL). O Elasticsearch possui recursos poderosos de busca geoespacial, que agora estão chegando ao ES|QL para uma facilidade de uso drasticamente aprimorada e familiaridade com o OGC. Mas para utilizar essas funcionalidades, precisamos de dados geoespaciais.
Criando um app de buscas com o Blazor e o Elasticsearch
Aprenda como criar um aplicativo de busca usando Blazor e Elasticsearch, e como usar o cliente Elasticsearch .NET para busca híbrida.
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.
Testando seu código Java com mocks e Elasticsearch real.
Aprenda a escrever seus testes automatizados para Elasticsearch, usando mocks e Testcontainers.
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.
Como ingerir dados no Elasticsearch usando o Apache Camel
Aprenda como ingerir dados no Elasticsearch usando o Apache Camel com um exemplo prático.
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.