2026年5月25日
Kibana 中的 AI Chat 现已原生支持呈现仪表板
Kibana 中的 Elastic AI Chat 现在可根据自然语言构建仪表板，将可视化内容和分析保留在同一对话线程中，并支持将其保存为可重复使用的 Kibana 对象。
2026年5月22日
Kibana 将仪表板加载时间最多缩短了 25%——以下是其背后的轮询策略
了解 Kibana 如何使用连续轮询和浏览器端 HTTP/2 检测将仪表板加载时间减少多达 25%，并自动回退到 HTTP/1。
用描述代替手动绘制：通过 MCP 和 ES|QL 构建 AI 原生 Kibana 仪表板。
从提示词到仪表板了解如何使用 example-mcp-dashbuilder 通过自然语言构建 Kibana 仪表板：这是一款开源 MCP 应用，能够编写 ES|QL 查询、创建交互式图表，并将功能完整的仪表板直接导出到 Kibana。
使用变量控件来提高 Kibana 仪表板的交互性
了解如何在 Kibana 8.18+ 中使用变量控件来筛选单个可视化内容、调整时间间隔，并在 Kibana 仪表板中按不同字段分组。
在本地使用 Ollama 和 Kibana 测试 DeepSeek R1 的 RAG 功能
了解如何运行 DeepSeek 的本地实例，并从 Kibana 内部连接到它。
使用 Kibana 将地理空间数据输入 Elasticsearch，以便在 ES|QL 中使用
如何使用 Kibana 和 csv 摄取处理器将地理空间数据摄取到 Elasticsearch 中，以便在 Elasticsearch 查询语言 (ES|QL) 中进行搜索。Elasticsearch 具有强大的地理空间搜索功能，ES|QL 将大幅提高易用性和 OGC 熟悉度。但要使用这些功能，我们需要地理空间数据。