全文检索标签_AtomGit开源社区

全文检索

从 Harness 工程到 Loop 工程-模型自主工作与自主迭代进化探索

过去三年，AI 编程的方法论主轴经历了从 Prompt Engineering（提示词工程） → Context Engineering（上下文工程） → Harness Engineering（外壳/脚手架工程）的三次跃迁。2026 年，业界正在向第四代范式 —— Loop Engineering（循环工程）演进。其核心标志不再是「人类如何更好地指挥模型」，而是「模型如何自主工作（auton

小天才学习机打游戏
2026-06-15 20:51:06

 444

 5

#架构 #java #运维 +2
从“会调工具”到“会做科研检索”：Sciverse 如何补上 Agent 的证据层

如果你正在做科研助手、文献综述 Agent、生命科学 Copilot，或者想把通用 Agent 接进更可信的科学数据流，可以从 Sciverse 的公开 Cookbook、API 和 Agent Tools 开始。先把“能回答”升级成“能引用、能追溯、能复核”，这一步通常比再换一个更大的模型更重要

 m0_61134850
2026-06-14 13:58:14

 504

 12

#网络 #服务器 #人工智能 +3
Sphinx：Python 文档生成的标准方案

Sphinx是Python社区主流的文档生成工具，支持将reStructuredText格式文本转换为HTML/PDF/EPUB等多种格式。它提供自动交叉引用、代码高亮、索引生成等功能，大幅降低技术文档维护成本。作为成熟方案，Sphinx被Python官方文档及众多开源项目采用，尤其适合需要多格式输出和复杂文档结构的项目。虽然学习曲线略陡，但其强大的语义化处理和扩展能力使其成为中大型项目的理想选择

 2501_93471181
2026-06-12 12:09:44

 340

 9

#sphinx #python #全文检索 +1
MCP 热起来之后，科研 Agent 真正缺的不是模型，而是可追溯检索基础设施

AI科研助手进入"证据可追溯"时代：Sciverse填补关键断点当前AI Agent发展已从单纯追求大模型能力，转向注重工具调用与证据追溯。在科研场景中，AI的核心价值不再是生成答案，而是构建完整的证据闭环：从问题提出到证据检索、原文回读、引用标注的全链路可验证。Sciverse通过结构化科研数据库（支持论文筛选、语义检索、上下文回读、资源获取等五类核心能力），为科研Agent提供了可靠证据底座

 m0_61134850
2026-06-12 10:16:36

 804

 26

#个人开发 #人工智能 #深度学习 +1
ICML2026 | AGENTSELECT：首个Agent推荐基准，重新定义Query到Agent的能力匹配

Agent 正在变成平台能力、产品入口，甚至是未来应用分发的新范式，但是一个关键的研究空白摆在面前：当 Agent 生态从“少数固定应用”走向“模型 × 工具 × 执行策略”的组合爆炸，真正困难的问题不再只是评测某个 LLM 或某个工具，更是：给定一个自然语言任务，系统应该选择哪个可部署 Agent?

小天才学习机打游戏
2026-06-11 21:27:22

 225

 6

#人工智能 #全文检索 #知识图谱 +2
文档解析也需要一个世界模型

知识工作的 Agent 不只需要外部知识，它需要一个外部现实。对很多企业场景来说，这个现实就是文档、版本、引用、表格、图片、批注、来源、权限和它们之间的关系。文档不是附件。文档是 Agent 要进入的工作现场。

Sylvie555
2026-06-11 16:14:38

 388

 4

#网络 #linux #运维 +3
本地 AI 知识库怎么做？RAG、向量库、全文检索、知识图谱与本地模型的技术路线对比

过去一年，很多团队都在问同一个问题：能不能把公司的文档、制度、产品资料、项目记录、客服话术、研发知识沉淀下来，做成一个“只回答我们自己资料”的 AI 知识库？

小天才学习机打游戏
2026-06-10 20:47:13

 250

 2

#人工智能 #全文检索 #知识图谱 +4
从 AlphaGenome 到 Qwen3：为什么 Sciverse 该成为科研 Agent 的证据引擎

摘要随着AI Agent、MCP协议和开源模型的发展，科研场景对智能工具的需求从基础功能转向了可验证的科学证据支持。Sciverse作为科研证据层，通过结构化检索、原文回链和可追溯数据，为科研Agent提供可靠证据包。其技术架构支持多工具接入，降低大模型幻觉风险，并保留完整引用链，适用于综述生成、论文筛选和方向追踪等科研任务。Sciverse的价值在于填补了当前科研Agent在证据验证和复现方面

 m0_61134850
2026-06-10 13:46:03

 572

 9

#人工智能 #机器学习 #搜索引擎 +1
RAG项目案例--02在线检索&过滤流水线

本文详细介绍了基于LangGraph的工业级RAG（检索增强生成）系统开发流程与架构设计。系统采用自顶向下的开发模式，通过四路并发检索（精准向量流、假设文档流、知识图谱流、网络扩展流）构建全面的知识召回网络，并创新性地实现了以下技术亮点：商品确认机制：通过LLM语义重写和Milvus向量对齐，从源头解决代词指代问题，防止跨型号信息污染。混合检索策略：精准向量流：使用BGE-M3模型结合商品名

 Samooyou
2026-06-08 20:48:28

 366

 8

#人工智能 #python #全文检索
别再把科研 Agent 做成论文搜索框了

科研AI工具Sciverse的创新价值：构建可追溯的科学证据链 Sciverse通过15个核心场景重新定义了科研AI工具的标准，其核心突破不在于文献搜索能力，而在于构建了完整的科学证据追溯体系。与传统论文摘要生成工具不同，Sciverse实现了从问题→证据→原文→引用的闭环验证，解决了AI科研领域最关键的"可复查性"痛点。典型应用场景包括：文献综述Agent基于可验证的文献片段生成内容科学R

m0_61134850
2026-06-08 10:12:46

 440

 22

#人工智能 #大数据 #个人开发 +2
数据平台押注：为什么金融人工智能项目停滞，以及赢家如何扩展

金融服务领域的人工智能应用面临实施困境，主要源于数据基础设施不完善。专家指出，超过40%的金融机构仍依赖电子表格管理数据，50%的数据被困在孤岛系统中，导致AI模型缺乏实时上下文。传统数据湖无法满足现代AI对即时数据访问、跨系统整合和严格治理的需求。解决方案在于构建统一数据平台，实现毫秒级响应、上下文检索和嵌入式治理。同时，遗留系统改造需采用增强策略，建立人机可读的统一数据模式。随着AI自主性增强

 Elastic 中国社区官方博客
2026-06-06 12:08:13

 317

 7

#金融 #人工智能 #elasticsearch +3
工业级RAG检索

工业级RAG系统已从简单拼装发展为高并发、高可用的微服务架构，通过严密工程管道确保输出确定性。其架构分为离线数据治理和在线检索生成两大核心流程：离线阶段通过分布式解析、语义切片和混合向量化构建高保真知识资产；在线阶段采用多路并发检索（稠密/稀疏向量、知识图谱、实时网络）和双阶裁决（RRF融合+Cross-Encoder精排）获取精准证据。最终通过上下文优化编排、流式防护机制确保大模型生成高可信结果

 Samooyou
2026-06-06 10:03:39

 353

 4

#python #人工智能 #全文检索
科研 Agent 的第一道坎：不是模型不够强，而是证据拿不稳

科研AI面临的核心挑战在于如何获取可信证据而非生成流畅文本。Nature近期指出，AI生成的虚假引用正渗入科学文献，暴露了科研Agent的关键问题——在缺乏可靠证据链的情况下过度自信地总结。通过对Sciverse、OpenAlex等7个学术工具的对比分析发现：数据规模差异：Sciverse覆盖5.16亿记录，OpenAlex达4.77亿works，arXiv专注230万预印本功能定位不同：O

m0_61134850
2026-06-05 13:27:19

 345

 13

#人工智能 #机器学习 #深度学习 +3
面向 Microsoft Build 参会者和 Azure 开发者的 Elastic 2026 重要总结

Elastic 2026技术展望：为Azure开发者打造的全栈AI平台 Elastic在2026年推出四大核心创新：1）Elastic推理服务支持多模态统一索引，通过jina-embeddings-v5-omni实现文本/图像/视频/音频的跨媒体语义检索；2）AI Agent构建平台新增上下文管理、技能模块和企业连接器，配合GPU加速使索引吞吐量提升12倍；3）重构的列式指标引擎将OTel数据存储

 Elastic 中国社区官方博客
2026-06-05 10:40:17

 593

 4

#microsoft #azure #elasticsearch +4
Elastic：什么是上下文工程？

上下文工程（Context Engineering）是一种优化AI系统性能的实践，通过精准筛选和动态管理输入信息，确保AI在有限注意力下获得最高效的上下文。它解决了大语言模型（LLM）的四大核心限制：静态知识、私有数据缺失、幻觉问题及上下文漂移。与单次交互导向的提示工程不同，上下文工程专注于构建长期可靠的信息架构，包含系统提示词设计、记忆管理、混合检索等模块。其核心策略包括选择性检索、外部记忆写入

 Elastic 中国社区官方博客
2026-06-05 09:57:20

 445

 5

#数据库 #elasticsearch #大数据 +3
正在拖慢你 AI 智能体落地的 5 个数据基础与技术栈缺口

作者：来自 Elastic。

Elastic 中国社区官方博客
2026-06-05 09:03:54

 445

 2

#人工智能 #elasticsearch #大数据 +3
13.7万人，零人工决策：使用 Elasticsearch 实现智能体驱动的灾害响应系统

作者：来自 Elastic了解当飓风来袭时，Kibana 检测规则、工作流以及 AI 智能体如何自动协同，在无需调度员介入的情况下，将分布在七个基地的 13.7 万名人员完成重新部署与转移。Agent Builder 现已正式发布。立即开始你的，并查看文档。Elastic 刚刚完成了一次自动化协调行动：在没有任何人工参与决策的情况下，自动完成了 13.7 万名人员在七个基地之间的疏散与重新部署。一

 Elastic 中国社区官方博客
2026-06-05 08:24:05

 519

 12

#elasticsearch #大数据 #搜索引擎 +3
Elastic 线下 Meetup 将于 2026 年 7 月 26 号下午在深圳举行

2026年ElasticMeetup深圳站将于7月26日在腾讯滨海大厦举办，聚焦Elasticsearch与AI技术融合。活动邀请Elastic、腾讯等专家分享：Elasticsearch向量搜索及AI Agents应用（刘晓国）、腾讯云ES在千亿级AI Search的突破（陈曦）、AIAgent三大工程实践（李捷）、腾讯KInfra知识库架构实战（王志铭）。含主题演讲、茶歇交流及抽奖环节，需实名

 Elastic 中国社区官方博客
2026-05-29 14:51:32

 961

 14

#elasticsearch #大数据 #搜索引擎 +3
Elasticsearch 9.4 推动 Elastic AI 生态系统的下一阶段：Dell AI Data Platform 与 NVIDIA

作者：来自 ElasticAI 正在快速发展。企业级采用需要有目标地同步推进。过去一年有一点已经变得非常清晰：组织并不需要更多 AI 炒作，他们需要的是一条通往生产环境的路径 —— 一种能够将基础设施、数据与智能连接起来，从而创造真实业务价值的方法。这正是（AI Ecosystem）所要构建的能力。在 Elastic，我们相信 AI 的能力取决于其背后的数据基础。优秀的模型固然重要，但如果缺乏高速

 Elastic 中国社区官方博客
2026-05-28 13:30:58

 406

 9

#大数据 #elasticsearch #搜索引擎 +2
Elasticsearch Agent Builder 黑客松（Hackathon）

Elastic举办的Elasticsearch Agent Builder黑客松吸引了全球开发者，他们利用AI agents结合Elastic工具解决各领域实际问题。获奖项目包括：PHAROS药物安全监测系统，能在60秒内分析FDA报告并预警；Gauntlet对抗测试框架，通过模拟攻击提升agent鲁棒性；以及肯尼亚HIV重复记录检测系统，10秒完成人工需数周的工作。这些项目展示了AI agent

Elastic 中国社区官方博客
2026-05-28 13:18:28

 474

 11

#elasticsearch #大数据 #搜索引擎 +3
智能体时代：Elastic 在 Google Cloud Next 2026

摘要：Elastic在Google Cloud Next 2026大会上展示了多项AI创新成果，第五次获评Google Cloud年度合作伙伴。亮点包括：成为Google Distributed Cloud隔离网络环境的内嵌安全层；Jina Embeddings v3模型入驻Gemini Enterprise Agent Platform；采用Google Axion处理器提升25%性能；推出支持

 Elastic 中国社区官方博客
2026-05-28 13:10:00

 371

 8

#elasticsearch #大数据 #搜索引擎 +2
Elasticsearch：跨数据库与业务系统进行搜索

本文介绍了如何将外部数据库数据同步到Elasticsearch并实现语义搜索功能。主要内容包括：1）创建Elasticsearch Serverless项目并设置索引；2）通过自托管连接器将MongoDB数据库同步到Elasticsearch；3）配置索引映射以支持语义搜索；4）执行全文搜索和语义搜索查询。文章还提供了相关资源链接，帮助用户快速上手Elasticsearch的AI驱动搜索功能。

Elastic 中国社区官方博客
2026-05-28 11:02:03

 688

 5

#elasticsearch #数据库 #大数据 +3
【艾思科蓝快速预审期刊AI匹配系统】AI 匹配快速预审期刊服务，粘贴论文标题与摘要，10秒内精准匹配可快速预审的目标期刊，并提供中科院分区、JCR 分区、影响因子、审稿周期等核心信息，助力论文高效投稿

科研工作者常面临选刊难题：假刊陷阱、匹配不准、耗时费力。艾思科蓝推出AI期刊匹配服务，10秒精准推荐SCI/SSCI等正规期刊，准确率94.2%，自动排除假刊风险，保障数据安全。该服务节省筛刊时间，提高投稿确定性，支持快速预审，适合各类投稿需求作者。帮助科研人员高效稳妥完成投稿决策，让学术发表更高效可靠。

艾思科蓝 AiScholar
2026-05-28 10:39:33

 526

 8

#人工智能 #云计算 #机器学习 +4
Elastic 的 ML 与 AI Assistant 如何将 NOC 中 802.1x 故障排查时间从 20 分钟缩短到数秒

未来的 NOC 并不取决于墙上有多少 dashboard，而取决于团队从告警到恢复服务的速度有多快。Elastic 技术栈通过统一的遥测数据接入、实时 ML 异常检测、AI Assistant 以及可扩展的 Knowledge Base，让今天的 NOC 团队已经具备了实现这一跃迁的能力。本文中的 Cisco ISE 用例只是其中一个例子。

Elastic 中国社区官方博客
2026-05-26 21:30:20

 383

 6

#人工智能 #elasticsearch #大数据 +4
【Elasticsearch从入门到精通】第45篇：Elasticsearch分布式检索原理——Query Then Fetch两阶段搜索

分布式检索是Elasticsearch应对海量数据场景的核心能力，但其原理远比单机搜索复杂。本文以Query Then Fetch两阶段模型为主线，首先详解Query阶段：协调节点如何将搜索请求广播到所有分片，各分片独立执行本地搜索后返回Top N文档的ID与分数，协调节点再合并全局排序；然后深入Fetch阶段：协调节点如何根据全局Top N结果向目标分片发起MultiGet请求获取完整文档内容。

xyghehehehe
2026-05-26 14:58:52

 161

 1

#elasticsearch #分布式 #大数据 +2
RAG:让大模型从“会回答“走向“有依据地回答“

摘要本文探讨了大语言模型存在的"幻觉"问题及其解决方案——检索增强生成(RAG)技术。文章首先分析了大模型产生幻觉的两大原因：训练数据导致的过时、边界和偏差问题，以及模型自身的长尾知识、曝光偏差等因素。通过实验验证，发现即使模型包含相关知识，仍可能出现错误回答。为解决这一问题，文章介绍了RAG系统的核心思想：通过检索外部知识库来增强大模型生成质量。RAG系统由外部知识库、信息检索器和大语言模型组

 承渊政道
2026-05-26 13:56:52

 1360

 73

#全文检索 #数据挖掘 #人工智能 +2
用LangChain搭一个Agent：框架实战入门详解

前面讲了那么多理论，这一篇来点实战。怎么用框架快速搭一个Agent？目前最流行的两个框架是**LangChain**和**LangGraph**。LangChain适合快速上手，LangGraph适合复杂工作流。这篇先讲LangChain，下一篇再对比LangGraph。

程序猿李巡天
2026-05-25 20:36:36

 367

 10

#microsoft #人工智能 #深度学习 +3
政策快报平台的搜索模块：从全文检索到语义理解

本文介绍了政策快报平台搜索模块从全文检索到语义理解的技术演进过程。最初采用Elasticsearch全文检索存在关键词匹配不精准问题，通过优化分词器、同义词配置和字段权重后准确率提升至82%。第三代系统引入语义理解能力，采用查询理解、双路召回（关键词+向量）和融合排序策略，准确率达到91%。案例显示新系统能识别"节水企业认定"与"水效领跑者申报"的语义关联。

阿标在干嘛
2026-05-25 14:20:48

 534

 4

#全文检索
30 秒把一堆文献变成一篇综述 —— AI 文献总结有多强？

TopBeeAI推出智能文献综述工具，帮助科研人员快速获取结构化文献综述。该工具通过自然语言输入自动转换为PubMed检索式，实时检索真实文献并生成可验证的综述报告。相比传统方式耗时数天，该工具可在3分钟内完成检索、筛选和总结全过程，所有引用文献均可溯源。新用户注册即赠20万Token免费额度，可进行10-30次文献总结。该工具特别适用于快速了解新领域、撰写论文引言和准备组会汇报等场景，实现人机协

 wojiaozhengzhizhou
2026-05-25 11:40:11

 414

 10

#人工智能 #全文检索 #深度学习
描述它，不要画它：通过 MCP 和 ES|QL 实现 AI-native Kibana dashboards

这篇文章介绍了Elastic推出的开源工具example-mcp-dashbuilder，它能够通过自然语言指令快速创建Kibana仪表盘。该工具基于MCP架构，允许用户用简单英语描述需求，AI会自动探索Elasticsearch数据结构，编写ES|QL查询，生成交互式可视化图表，并组织成完整的仪表盘。支持6种图表类型，可自定义主题颜色，并能与现有Kibana工作流无缝集成——既可导出到Kiban

Elastic 中国社区官方博客
2026-05-24 07:00:00

 727

 10

#elasticsearch #大数据 #搜索引擎 +2
大模型知识大观：从数学基础到应用落地的完整图谱

大模型知识体系全景图本文系统梳理了大语言模型的技术知识体系，从基础数学到前沿应用，构建了一个层次分明的学习框架：数学基础（线性代数、概率统计、微积分）构成理解模型的理论基石，重点掌握矩阵运算、概率分布和梯度优化等核心概念。深度学习基础涵盖神经网络架构演变，重点分析Transformer如何通过注意力机制解决RNN的序列建模缺陷，以及正则化技术对模型泛化的影响。 Transformer核心架构

 拾-光
2026-05-24 01:55:46

 506

 11

#人工智能 #算法 #数据库 +4
【Elasticsearch从入门到精通】第18篇：Elasticsearch搜索入门——搜索API与URI查询模式

摘要本文深入解析Elasticsearch搜索机制与API使用，涵盖分布式搜索的两阶段模型（Query Phase和Fetch Phase）、自适应副本选择机制以及路由优化策略。详细介绍了搜索API的多种调用方式（GET/POST方法、多索引搜索）和URI搜索模式的Lucene查询语法（字段查询、通配符、布尔运算、范围查询等）。重点讲解了关键URI参数的功能与用法，包括df默认字段、analyz

xyghehehehe
2026-05-23 09:43:54

 181

 2

#elasticsearch #大数据 #搜索引擎 +2
【Elasticsearch从入门到精通】第17篇：Elasticsearch并发控制——refresh参数与乐观并发控制

在分布式系统中，并发控制是保证数据一致性的关键。Elasticsearch作为分布式搜索引擎，提供了完善的并发控制机制来应对多线程、多节点环境下的数据竞争问题。本文深入解析了Elasticsearch并发控制的两大核心主题：**refresh参数**（控制数据可见性的三种模式——true立即刷新、false延迟刷新、wait_for等待刷新）的选择策略与性能影响，以及**乐观并发控制**（基于_s

xyghehehehe
2026-05-23 09:35:16

 166

 3

#elasticsearch #大数据 #分布式 +2
【Elasticsearch从入门到精通】第09篇：Elasticsearch API规范详解——多索引、日期数学与通用选项

摘要 Elasticsearch的REST API提供了强大的多索引操作、日期数学索引管理和通用查询参数功能。多索引操作支持通配符、排除语法和_all关键字，通过ignore_unavailable等参数实现灵活控制。日期数学格式允许在索引名中使用动态日期表达式（如<logs-{now/d}>），需注意URI编码要求。通用参数包括结果格式化（pretty/YAML）、可读输出（human）和信息过

 xyghehehehe
2026-05-22 19:53:20

 74

#elasticsearch #jenkins #大数据 +2
【Elasticsearch从入门到精通】第02篇：Elasticsearch核心概念详解——Index、Document、Shard与Mapping

Elasticsearch核心概念解析：从索引到集群的完整指南本文系统性地介绍了Elasticsearch的核心概念体系，通过与传统关系数据库的类比帮助读者理解ES的数据模型。主要内容包括：基本概念类比：将Index比作数据库，Document比作行记录，Field比作列，Mapping比作Schema 索引结构：一个Index对应一类数据由多个分片(Shard)组成，包含主分片和副本分片

 xyghehehehe
2026-05-22 19:13:02

 267

 6

#elasticsearch #大数据 #搜索引擎 +3
从 PPO 到 GRPO：大模型对齐训练的演化之路

一文搞懂 PPO、DPO、GRPO、KTO、ORPO 的核心原理与区别

 程序猿李巡天
2026-05-21 20:21:25

 438

 12

#人工智能 #深度学习 #全文检索 +3
AI人才缺口500万：2026年最值得入局的10个职业方向

人社部最新披露的数据让人心惊：我国人工智能相关人才缺口已突破500万，平均10个岗位在抢1个人。2026年春天，一边是考公大军挤破脑袋，另一边是大厂拿着月薪6万的支票本愁得睡不着觉。智能体开发岗位需求暴涨455%，就连零基础能做的AI训练师，月薪都能轻松过万。但问题来了：500万的缺口，到底哪些方向最适合你？零基础能不能入行？需要学什么？今天这篇文章，一次性给你讲清楚。

程序猿李巡天
2026-05-20 20:24:48

 598

 8

#人工智能 #全文检索 #elasticsearch +2
一个查询，无限 Elasticsearch Serverless 项目：跨项目搜索介绍

摘要 Elastic Cloud Serverless推出跨项目搜索(CPS)功能，允许用户通过单个查询跨隔离项目搜索数据，无需数据复制或网络对等连接。CPS采用简化的项目链接模型替代传统跨集群搜索的复杂配置，支持跨区域、跨云服务商查询，同时保持数据原始位置。新功能提供项目路由控制搜索范围，支持Kibana空间级默认设置，并通过统一身份管理确保访问安全。CPS显著降低了运维复杂性，使组织能够基于逻

 Elastic 中国社区官方博客
2026-05-19 07:57:55

 1026

 17

#serverless #云原生 #elasticsearch +4
文章三十四:ElasticSearch Script脚本实战

本文系统梳理了Elasticsearch中Painless脚本的五大核心应用场景及其特性差异：1）script_fields查询临时字段（仅展示结果）；2）runtime_mappings运行时字段（支持排序聚合）；3）script_score评分脚本（支持_score/doc变量）；4）update_by_query更新脚本（操作ctx._source）；5）聚合脚本（数值统计运算）。重点解析了

 逸Y 仙X
2026-05-18 20:53:42

 473

 14

#elasticsearch #大数据 #搜索引擎 +1
砍掉 Embedding 和向量索引，让 Agent 直接 grep 语料库——DCI 论文深度剖析

摘要最新论文《Beyond Semantic Similarity》提出颠覆性检索范式DCI（Direct Corpus Interaction），主张抛弃传统RAG中的Embedding模型和向量索引，让Agent直接使用终端工具（grep、find等）搜索原始语料库。实验显示，在BrowseComp-Plus基准上，DCI将准确率从69.0%提升至80.0%（+11%），同时成本降低29%（

拾-光
2026-05-18 09:00:00

 791

 18

#架构 #数据库 #python +3
文章三十一：ElasticSearch 管道聚合

支持通过Painless脚本，对同一个桶内的多个指标做自定义四则运算，是灵活性最高的数值聚合。可实现各类复杂业务指标计算，例如毛利率、转化率、客单价、增长率等衍生指标，解决固定聚合无法满足的个性化统计需求。"size": 0,"aggs": {// 按天做时间分桶（桶聚合，必须有桶才能用管道聚合）},"aggs": {// 先统计每个桶内 sales 的 min、max、avg、sum 等基础指标

 逸Y 仙X
2026-05-17 13:32:51

 462

 8

#elasticsearch #大数据 #搜索引擎 +2
Kubernetes 可观测性：用于更安全 EKS 故障排查的 MCP 专家 agents

本文介绍了一种通过Elastic AI Agent和专家K8s Troubleshooter agent协同排查EKS集群故障的方案。该方案将可观测性分析与集群操作分离：Elastic AI Agent负责基于Elasticsearch进行初步诊断，当需要集群操作时通过Workflow调用专门的K8s Troubleshooter agent（携带约20个EKS工具）。这种架构既保持了单一交互入口

 Elastic 中国社区官方博客
2026-05-17 10:45:18

 547

 10

#kubernetes #容器 #云原生 +4
【项目深扒】AIHOT：封装 3 年自媒体经验的 AI 热点监控，首日 10 万 UV 的秘密

AI 圈的信息流速，已经快到人类跟不上了。每天 Twitter 上几百条 AI 推文、GitHub 上几十个新项目、arXiv 上一篇篇论文——你刷一天也看不完，但不刷又怕错过大事。数字生命卡兹克做了三年 AI 自媒体，把这个痛点用自己的方式解决了：AIHOT，一个全自动的 AI 热点监控与信息分发平台。 168 个信源自动抓取，DeepSeek 两级 AI 筛选，5 大板块分类推送，还支持 Sk

拾-光
2026-05-17 09:30:00

 1427

 4

#媒体 #人工智能 #uv +4
Elastic 开源社区行为准则

Elastic社区行为准则旨在为所有成员创造安全友好的环境。准则适用于所有线上线下社区空间，要求成员保持尊重、友善和耐心，禁止任何形式的骚扰、歧视或暴力行为。鼓励有效沟通和及时提问，对不当行为可采取临时封禁或永久驱逐等措施。准则借鉴了多个开源项目经验，采用CC协议授权，强调包容性和文化差异理解。

Elastic 中国社区官方博客
2026-05-16 19:10:31

 479

 10

#elasticsearch #大数据 #搜索引擎 +2
通过项目标签和路由，在 Elasticsearch Serverless 中实现更快的跨项目搜索

Elasticsearch Serverless 引入项目标签和路由机制优化跨项目搜索。项目路由通过预过滤表达式高效排除不匹配项目，减少计算开销；项目标签则支持灵活查询，可进行过滤、聚合和排序操作。两种方法可结合使用：先用路由缩小范围，再用标签细化查询，兼顾性能与灵活性。该方案帮助用户摆脱运维负担，专注于构建AI驱动的搜索体验。

Elastic 中国社区官方博客
2026-05-16 08:23:52

 658

 7

#serverless #云原生 #elasticsearch +3
Elasticsearch ES|QL 中的近似查询：在数十亿条记录上实现快 100 倍的查询，并内置置信区间

摘要：Elasticsearch 9.4引入ES|QL近似查询功能，通过在查询前添加"SET approximation=true"即可实现。该功能通过采样数据执行聚合运算，能提升查询速度10-400倍，同时提供置信区间和认证标志来评估结果可靠性。近似查询适用于AI代理、仪表盘、日志分析等场景，支持多种聚合操作且无需重写查询。性能提升取决于数据规模、查询类型等因素，未来还将扩展

 Elastic 中国社区官方博客
2026-05-15 07:24:30

 586

 12

#elasticsearch #大数据 #搜索引擎 +3
ElasticLens：让 Elasticsearch 集群巡检不再 “裸眼读日志”

如果你也维护过 Elasticsearch 集群，大概率会遇到这样的场景：客户报障 "集群慢"，你需要在十几个节点之间逐一排查；上线前要做一次 "健康巡检"，但官方只给了一个 support-diagnostics 工具，导出的是一坨 ZIP 文件；报告要写中文版给运维、英文版给海外客户、还要给一份 Word 给老板……为了把这件 "重复、枯燥、又必须做 "的事情自动化，上海悦高软件股份有限公司大

 Elastic 中国社区官方博客
2026-05-14 14:38:58

 821

 16

#elasticsearch #大数据 #搜索引擎 +3
Zotero结合本地大模型实现文献智能处理：Awesome GPT插件配置与实战指南

在科研与学术写作中，文献阅读、摘要提取与多语言翻译往往占据大量时间。借助本地部署的大语言模型（LLM）与 Zotero 的 Awesome GPT 插件，可在完全离线/局域网环境下实现文献的智能处理。本文以 DeepSeek-r1:32b 为主推理模型，结合 nomic-embed-text 向量模型，详细讲解无需代码基础即可完成的本地化配置流程，帮助研究者构建安全、高效的文献工作流。

lazyn
2026-05-14 14:31:17

 2021

 12

#全文检索