Blogs
- O AI Chat no Kibana agora renderiza dashboards de forma nativa
- Descreva, não desenhe: dashboards nativos de IA do Kibana via MCP e ES|QL
- Kibana reduz o tempo de carregamento do dashboard em até 25% — aqui está a estratégia de sondagem por trás disso
- Uma consulta, vários ilimitados do Elasticsearch Serverless: apresentamos a busca entre projetos
- Busca por IA agêntica com proteções determinísticas no Elasticsearch para execução segura de consultas
- Elastic Cloud on Kubernetes, simplificado: reconhecimento de zona, reinicializações e mTLS
- Impulsionando o Elasticsearch: adicionando suporte nativo à API do Prometheus
- Um índice, todas as mídias: Apresentando jina-embeddings-v5-omni
- Personalizando a busca de e-commerce: integrando o histórico de compras e de grupos de usuários
- Percolador do Elasticsearch para governança de busca em comércio eletrônico: traduzindo consultas ambíguas em estratégias de recuperação controladas
- Como medir e melhorar o recall das buscas no Elasticsearch: de 0,43 a 0,75 com a busca híbrida
- Construindo um plano de controle para gerenciar a busca de comércio eletrônico
- Reindexação de fluxos de dados por causa de conflitos de mapeamento
- Como criamos o Elasticsearch simdvec para que a busca vetorial seja uma das mais rápidas do mundo
- Jina embeddings v3 agora disponível no Gemini Enterprise Agent Platform Model Garden
- Elastic Security, Observability e Search agora oferecem UI interativa nas ferramentas de IA
- Apresentando chaves de API unificadas para Elastic Cloud Serverless e Elasticsearch
- Clustering não supervisionado de documentos com Elasticsearch + embeddings Jina
- Por que a busca para e-commerce precisa de governança
- Como criar aplicações de IA agentiva com Mastra e Elasticsearch
- Monitorando as visualizações do dashboard do Kibana com o Elastic Workflows
- Quando o TSDS encontra o ILM: projetando fluxos de dados de séries temporais que aceitam dados tardios
- LINQ para Elasticsearch ES|QL: escreva Consultas em C# e Consulte o Elasticsearch
- Criando um servidor MCP do Elasticsearch com TypeScript
- Apresentando permissões de somente leitura para dashboards do Kibana
- A ferramenta shell não é uma solução milagrosa para engenharia de contexto
- Réplicas do Elasticsearch para balanceamento de carga em Serverless
- Usando a API de Inferência Elasticsearch junto com modelos de Hugging Face
- Rapidez x precisão: medindo o recall da busca vetorial quantizada
- A extensão Gemini CLI para Elasticsearch com ferramentas e recursos
- Habilidades de agentes para Elastic: transforme agentes de IA em especialistas Elastic
- Resolução de entidades com Elasticsearch, parte 4: O desafio definitivo
- Terminação adaptativa precoce para HNSW no Elasticsearch
- Linguagem de Expressão Comum (CEL): como a entrada CEL melhora a coleta de dados em integrações com o Elastic Agent
- Resolução de entidades com Elasticsearch & LLMs, Parte 2: Correspondência de entidades com julgamento LLM e busca semântica
- A busca vetorial do Elasticsearch é até 8 vezes mais rápida que a do OpenSearch
- jina-embeddings-v5-text: Incorporações de texto compactas e de última geração para busca e aplicações inteligentes
- Garantindo precisão semântica com pontuação mínima
- Gerenciamento de dependências no Kubernetes
- Melhore o desempenho de busca com "best_compression"
- Agent Builder agora em GA: envie agentes orientados por contexto em questão de minutos
- Construindo agentes de voz com o Elastic Agent Builder
- Construtor de agentes além da caixa de bate-papo: apresentando a infraestrutura ampliada
- Estatísticas ES|QL mais rápidas com tabelas hash no estilo Swiss Tables
- Gerenciando a memória agentiva com o Elasticsearch
- Maior taxa de transferência e menor latência: o Elastic Cloud Serverless na AWS recebe um aumento significativo de desempenho
- Criação de agentes humanos com o LangGraph e o Elasticsearch
- Automatização da análise de logs no Streams com ML
- Uma introdução aos modelos Jina, sua funcionalidade e seus usos no Elasticsearch
- Introdução ao Elastic Agent Builder e Strands Agents SDK
- Introdução do suporte ao Elasticsearch no Google MCP Toolbox for Databases
- Avaliação da relevância de consultas de pesquisa com listas de julgamento
- Crie um fluxo de trabalho de busca por IA financeira usando LangGraph.js e Elasticsearch
- Melhorando a interatividade do dashboard do Kibana com controles de variáveis
- Indexação Vetorial Até 12x Mais Rápida no Elasticsearch com NVIDIA cuVS: Aceleração por GPU - Capítulo 2
- ES|QL na 9.2: Smart Lookup Joins e compatibilidade com séries temporais
- Criar um conector do ChatGPT com o Elasticsearch para consultar problemas no GitHub
- Desenvolvimento de um assistente RAG agente usando LangChain e Elasticsearch
- Busca híbrida sem complicações: simplificando a busca híbrida com recuperadores.
- Criando um agente de IA para RH com Elastic Agent Builder e GPT-OSS
- Principais projetos e aprendizados do Elastic Agent Builder do Cal Hacks 12.0
- Criando uma sala de imprensa para agentes LLM com protocolo A2A e MCP no Elasticsearch: Parte II
- Você sabe, para contexto - Parte III: O poder da busca híbrida na engenharia de contexto
- Sabe, para contexto - Parte II: IA Agêntica e a necessidade de engenharia de contexto
- Como implantar o Elasticsearch no Azure AKS automaticamente
- Criando uma sala de imprensa do LLM Agent com protocolo A2A e MCP no Elasticsearch: Parte I
- Sabe, para contexto - Parte I: A evolução da busca híbrida e da engenharia de contexto
- Configurando o particionamento recursivo para documentos estruturados no Elasticsearch
- Apresentando a interface de usuário de regras de consulta do Elasticsearch no Kibana.
- Construindo um agente de conhecimento com recuperação semântica usando Mastra e Elasticsearch.
- Busca multimodal de picos de montanhas com Elasticsearch e SigLIP-2
- Melhorando a relevância de modelos de incorporação multilíngues com reclassificação de busca híbrida.
- Implantação de um modelo de incorporação multilíngue no Elasticsearch
- Servidor Elastic MCP: Exponha as ferramentas do Agent Builder a qualquer agente de IA.
- Treinamento de modelos LTR no Elasticsearch com listas de julgamento baseadas em dados de comportamento do usuário.
- Avaliação de agentes de IA: como a Elastic testa frameworks de agentes
- Conectando agentes elásticos ao Gemini Enterprise via protocolo A2A
- Experimentos para aprimorar ferramentas de IA Agética para Elasticsearch
- Como implantar o Elasticsearch no AWS Marketplace
- AutoOps: Uma jornada para simplificar o gerenciamento autogerenciado do Elasticsearch.
- Seu primeiro Agente Elástico: De uma simples consulta a um chat com inteligência artificial.
- Criando fluxos de trabalho com agentes de IA usando o Elasticsearch.
- Elastic Open Web Crawler como código
- Experiência do editor ES|QL do Elasticsearch versus o analisador de eventos PPL do OpenSearch.
- Apresentamos o construtor de consultas ES|QL para o cliente Ruby do Elasticsearch.
- Filtragem de pesquisa vetorial: Mantenha a relevância
- Fragmentos e réplicas do Elasticsearch: um guia prático
- Como exibir os campos de um índice do Elasticsearch
- Painéis de controle com inteligência artificial: da visão ao Kibana
- Revelando padrões únicos: um guia para agregação de termos relevantes no Elasticsearch.
- Construindo um assistente RAG ativo com JavaScript, Mastra e Elasticsearch.
- Scripting em Ruby no Logstash
- Como implantar o Elasticsearch no GCP GKE Autopilot
- Usando funções do Azure LLM com o Elasticsearch para experiências de consulta mais inteligentes
- O estado atual do MCP (Model Context Protocol)
- Busca híbrida revisitada: apresentando o recuperador linear no Elasticsearch!
- Exibindo campos em um índice do Elasticsearch
- Criando listas de julgamento com Quepid
- Spring AI e Elasticsearch como seu banco de dados vetorial
- Elasticsearch em JavaScript da maneira correta, parte II
- Como otimizar o espaço em disco e o uso do Elasticsearch
- Elasticsearch em JavaScript da maneira correta, parte I
- Como configurar o número de réplicas em um índice do Elasticsearch
- Mapeamento de embeddings para tipos de campo do Elasticsearch: semantic_text, dense_vector, sparse_vector
- Excluindo campos do Elasticsearch da indexação
- Excluindo um campo de um documento no Elasticsearch
- Como unir dois índices no Elasticsearch
- Entendendo a pontuação do Elasticsearch e a API Explain.
- Criação de modelos de índice no Elasticsearch: Como usar modelos compostos
- Pesquisa no Elasticsearch por dois campos
- Construindo um fluxo de trabalho RAG usando LangGraph e Elasticsearch
- Como implementar a Quantização Binária Aprimorada (BBQ) em seu caso de uso.
- Utilização do tamanho do heap do Elasticsearch e coleta de lixo da JVM
- Como aumentar o número de shards primários no Elasticsearch
- Elasticsearch BBQ vs. OpenSearch FAISS: Comparação de desempenho de pesquisa vetorial
- Como migrar dados entre diferentes versões do Elasticsearch e entre clusters
- Banco de dados vetorial Elasticsearch para aterramento nativo na plataforma Vertex AI do Google Cloud
- Acelerando a fusão de gráficos HNSW
- Geração de filtros e facetas usando aprendizado de máquina.
- Utilizando modelos do Amazon Nova no Elasticsearch
- Conecte agentes ao Elasticsearch com o protocolo de contexto do modelo
- Como automatizar a busca e o upload de sinônimos usando nossa API de Sinônimos.
- Redimensionamento de modelos de interação tardia no Elasticsearch - parte 2
- Explorando a busca vetorial acelerada por GPU no Elasticsearch com NVIDIA: Capítulo I
- Como ingerir dados no Elasticsearch através do Airbyte
- Construindo um sistema RAG multimodal com Elasticsearch: A história de Gotham City
- O agente de IA para gerenciar projetos Elasticsearch Serverless
- Como ingerir dados no Elasticsearch através do LlamaIndex
- Spotify Wrapped parte 2: Análise e visualização de dados
- Usando Ollama com a API de Inferência
- Erros de concorrência no Lucene: Como corrigir falhas de concorrência otimista
- Uma breve introdução à busca vetorial
- Testando o DeepSeek R1 localmente para RAG com Ollama e Kibana
- Busca facetada: Use IA para aprimorar o escopo e os resultados da busca.
- Como ingerir dados no Elasticsearch via Apache Airflow
- Lucene Wrapped 2024
- Aventuras com bugs do Lucene: Corrigindo uma exceção de índice corrompido
- Como ingerir dados no Elasticsearch através do Kafka
- Como migrar seu aplicativo Ruby do OpenSearch para o Elasticsearch
- Log ao vivo e próspero: Elasticsearch recentemente especializado no modo de índice logsdb
- Como usar o conector Elasticsearch Vector Store para o Microsoft Semantic Kernel no desenvolvimento de agentes de IA
- Como usar a busca híbrida em um catálogo de produtos de e-commerce
- Implementação de busca semântica: Construindo uma busca de receitas com Elasticsearch
- Ingerir dados geoespaciais no Elasticsearch com o Kibana para uso no ES|QL
- Criando um app de buscas com o Blazor e o Elasticsearch
- LangChain4j com Elasticsearch como armazenamento de incorporação
- Testando seu código Java com mocks e Elasticsearch real.
- Apresentamos o LangChain4j para simplificar a integração do LLM em aplicações Java.
- Como ingerir dados no Elasticsearch usando o Apache Camel
- Técnicas avançadas de RAG, parte 2: Consultas e testes
- Técnicas avançadas de RAG, parte 1: Processamento de dados
- Pesquisa geoespacial do Elasticsearch com ES|QL
- Protegendo informações sensíveis e de identificação pessoal (PII) no RAG com Elasticsearch e LlamaIndex.
- Avaliação da relevância de busca - parte 1: o benchmark BEIR
- Elasticsearch x OpenSearch: comparação de desempenho da busca vetorial
- Medidas e pontuação de similaridade vetorial
- Evolução do cliente Elasticsearch .NET: do NEST ao Elastic.Clients.Elasticsearch
- RAG (Retrieval Augmented Generation) com LlamaIndex, Elasticsearch e Mistral
- De objetos ES|QL para PHP
- Detecção de plágio por IA: usando o Elasticsearch
- Entendendo a quantização escalar no Lucene
- Usando busca híbrida para caça de gopher com Elasticsearch e Go
- Realize buscas vetoriais no Elasticsearch com o cliente Elasticsearch Go.
- Execute consultas de texto com o cliente Elasticsearch Go.
- Busca lexical e semântica com Elasticsearch
- Open-source do Sysgrok — um assistente de IA para analisar, compreender e otimizar sistemas.
- Aprimorando as capacidades de chatbots com PNL e busca vetorial no Elasticsearch.
- Sem estado — seu novo estado de busca com o Elasticsearch
- Busca por similaridade de texto com campos vetoriais
- Implementando artigos acadêmicos: Lições aprendidas com Elasticsearch e Lucene