Elasticsearch 示例及应用
访问 Search Labs,获取关于使用 Elasticsearch 进行搜索和 AI/ML 驱动的搜索体验的最新文章和教程
此仓库包含可执行的 Python 笔记本、示例应用程序和用于测试 Elastic 平台的资源:
- 学习如何将 Elasticsearch 用作向量数据库来存储嵌入,驱动混合和语义搜索体验。
- 构建诸如检索增强生成(RAG)、摘要和问答(QA)等用例。
- 测试 Elastic 的先进、开箱即用的功能,比如 Elastic Learned Sparse Encoder 和 Reciprocal Rank Fusion (RRF),无需训练或调优即可产生最佳结果。
- 集成 OpenAI、Hugging Face 和 LangChain 等项目,将 Elasticsearch 用作 LLM 驱动应用程序的骨干。
Elastic 支持所有由 AI/ML 驱动的现代搜索体验。
- 收藏或订阅 Elasticsearch Labs on Github
- 阅读我们的最新文章:elastic.co/search-labs
应用程序
Python 笔记本 📒
notebooks
文件夹包含一系列可执行的 Python 笔记本,您可以亲自测试这些功能。Colab 提供了一个易于使用的浏览器中 Python 虚拟环境。
生成式 AI
Playground RAG 笔记本
在 Kibana 中试用以下笔记本:
LangChain
question-answering.ipynb
langchain-self-query-retriever.ipynb
使用自查询检索器进行问答
BM25 和使用 Elasticsearch 与 LangChain 的自查询检索器
langchain-vector-store.ipynb
使用 ELSER 的 langchain-vector-store.ipynb
使用自有模型的 langchain.ipynb
文档分块
搜索
00-快速开始.ipynb
01-关键字查询过滤.ipynb
02-混合搜索.ipynb
03-ELSER.ipynb
04-多语言.ipynb
05-查询规则.ipynb
06-同义词 API.ipynb
07-推理.ipynb
08-学习排名.ipynb
09-语义文本.ipynb
集成
从 Hugging Face 加载模型.ipynb
openai-语义搜索-RAG.ipynb
amazon-bedrock-langchain-qa-example.ipynb
使用 Cohere Service 的推理 API 进行语义搜索
模型升级
贡献 🎁
请参见 贡献指南。
支持 🛟
Elastic 的搜索团队维护此仓库,很乐意提供帮助。
官方支持服务
如果您有 Elastic 订阅,您有权获得 Elasticsearch 部署的支持服务。请参阅我们的欢迎页面,了解 如何与我们的支持团队合作。这些服务不适用于本仓库中包含的示例应用程序代码。
讨论论坛
尝试将您的问题发布到 Elastic 讨论论坛 并标记为 #esre-elasticsearch-relevance-engine
Elastic Slack
您还可以在 Elastic 社区 Slack 的 #search-esre-relevance-engine 频道找到我们。
许可 ⚖️
此软件根据 Apache License, version 2 ("ALv2") 授权。