logo

将 AI 搜索构建到您的应用程序中

Elasticsearch 相关性引擎™ (ESRE) 旨在为基于人工智能的搜索应用程序提供动力。使用 ESRE 应用语义搜索，开箱即用即可获得卓越的相关性（无需领域适应），与外部大型语言模型 (LLM) 集成，实现混合搜索，并使用第三方或您自己的 Transformer 模型。

入门
Video thumbnail
了解如何轻松开始设置 Elasticsearch 相关性引擎。
观看快速入门视频
使用 ESRE 构建基于 RAG 的高级应用程序。
注册培训
使用生成式 AI 模型的功能将私有内部数据作为上下文，为用户查询提供最新、可靠的响应。
观看视频

AI 为所有开发者

使用 AI 提升搜索

无论您的专业水平如何，ESRE 都能为您的应用程序提供高级 AI 相关性功能。ESRE 拥有一套功能，可帮助您入门或在 AI 经验的基础上构建。您可以灵活地控制以任何您认为合适的方式部署机器学习和生成式 AI 搜索应用程序。

  • 为您的应用程序提供语义搜索不需要深入的专业知识。使用 Elastic Learned Sparse Encoder 模型，开箱即用即可获得一流的语义搜索。通过简化的部署，快速开始提供语义搜索，无需进行繁重的训练和维护机器学习模型。

  • 熟悉嵌入和搜索向量？

    将非结构化数据转换为向量嵌入，使用近似最近邻搜索高效地搜索它们。将您自己的特定领域数据组合在上下文窗口中，以提高 LLM 类人输出的相关性。

  • 自带 Transformer 模型

    使用 Eland Python 库自带经过训练的机器学习模型，或使用来自公共存储库（如 HuggingFace）的第三方模型。从各种 支持的架构 中选择最适合您需求的架构。

Elasticsearch 相关性引擎

Elasticsearch - 一站式向量搜索引擎

生成嵌入。存储、搜索和管理向量。使用 Elastic 自身的 Learned Sparse Encoder 机器学习模型获得语义搜索。摄取所有数据类型。与快速发展的大型语言模型集成。

  • RRF 混合排名

    RRF（互惠排名融合）是一种将来自多个检索系统的文档排名组合起来的方法。在不久的将来，RRF 将支持将来自稀疏向量模型（如 BM25 和 Elastic 的检索模型）的结果混合在一起，从而产生一流的零样本排名方法。使用 RRF 进行混合排名可以让您更轻松地调整来自多个检索器的搜索结果。

  • Elastic Learned Sparse Encoder

    我们的新模型开箱即用即可提供高度相关的语义搜索，无需领域适应。它在配置搜索应用程序时只需单击一下即可使用。Elastic Learned Sparse Encoder 使用相关关键字和相关性分数扩展查询，因此它们易于解释，并可立即使用。

  • 检索增强生成

    使用您的私有数据（而不仅仅是公开训练的数据）为 LLM 提供特定于业务的信息。使用 Elasticsearch 创建高度相关的上下文窗口，这些窗口利用您的专有数据来提高 LLM 输出和相关性。通过与您选择的 LLM 集成的 API 和插件访问生成式 AI。

  • 向量数据库

    获得大规模的完整向量搜索体验 - 不仅仅是存储和搜索嵌入，还要创建它们！使用嵌入进行密集检索，捕获非结构化数据（包括文本和图像）的含义和上下文。在文档级别保护您的嵌入，以确保数据掌握在正确的人手中。

  • 自带 Transformer 模型

    将您自己的专有 Transformer 模型引入 Elastic。或者从第三方存储库（如 HuggingFace 模型中心）上传预训练模型 - 支持各种支持的架构，如 BERT、BART、ELECTRA 等。

  • 数据集成和摄取库

    使用熟悉的工具，例如 Elastic Agent 或 Logstash，来索引您的数据。不断扩展的集成列表（例如 Confluence、S3 或 Google Drive）。原生数据库连接器（例如 MySQL、MongoDB）。用于在线资源的网络爬虫。对于自定义应用程序数据，可以使用 Kibana API 或使用熟悉的框架构建自己的连接器。

Chris Brown, Chief Product Officer, Relativity

"我对通过投资利用 RelativityOne 中的 Elasticsearch 为客户带来的好处感到兴奋。我们现在正在尝试 ESRE，并对它在为客户提供强大的 AI 增强搜索结果方面的潜力感到兴奋。"

克里斯·布朗, Relativity 首席产品官

代码示例

使用单个 API 导入嵌入模型、生成嵌入，并使用近似最近邻搜索大规模编写搜索查询。

docker run -it --rm elastic/eland \
eland_import_hub_model \
--cloud-id $CLOUD_ID \
-u <username> -p <password> \
--hub-model-id sentence-transformers/msmarco-MiniLM-L-12-v3 \
--task-type text_embedding \
--start

常见问题解答

什么是 Elasticsearch Relevance Engine？

Elasticsearch Relevance Engine 是一套功能，可帮助开发人员构建 AI 搜索应用程序，包括

  • 业界领先的先进相关性排名功能，包括使用 BM25 的传统关键字搜索，这是所有领域相关混合搜索的基础。
  • 完整的向量数据库功能 - 包括创建嵌入的能力，以及向量存储和检索。
  • Elastic Learned Sparse Encoder - 我们新的机器学习模型，用于跨多个领域进行语义搜索 混合排名 (RRF) 用于将向量和文本搜索功能配对，以实现跨各种领域的最佳搜索相关性。
  • 支持通过 API 集成第三方转换器模型，例如 OpenAI GPT-3 和 4
  • 一套完整的数据摄取工具，例如数据库连接器、第三方数据集成、网络爬虫和 API，用于创建自定义连接器
  • 开发人员工具，用于构建跨所有类型数据的搜索应用程序：文本、图像、时间序列、地理、多媒体等。

了解有关将 ChatGPT 与 Elasticsearch 一起使用的更多信息

更深入地了解如何将 Elasticsearch 的搜索相关性与 OpenAI 的 ChatGPT 问答结合起来以查询您的私有数据。

阅读博客