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 应用具有卓越相关性的开箱即用语义搜索（无需域适应）、与外部大型语言模型 (LLM) 集成、实施混合搜索以及使用第三方或您自己的 Transformer 模型。

开始使用
Video thumbnail

了解设置 Elasticsearch 相关性引擎有多么容易。

观看快速入门视频

使用 ESRE 构建高级的基于 RAG 的应用程序。

注册培训

将私有内部数据用作生成式 AI 模型功能的上下文，以便为用户查询提供最新、可靠的响应。

观看视频

面向所有开发者的 AI

使用 AI 提升搜索体验

无论您的专业水平如何，都可以使用 ESRE 为您的应用程序提供高级 AI 相关性功能。ESRE 提供一套功能，可帮助您入门或在您的 AI 经验基础上进行构建。您可以灵活地控制如何部署机器学习和生成式 AI 搜索应用程序。

  • 将语义搜索交付到您的应用程序中不应要求深入的专业知识。使用 Elastic Learned Sparse Encoder 模型，开箱即可获得同类最佳的语义搜索。通过简化的部署，快速开始提供语义搜索，而无需进行繁重的训练和维护机器学习模型的工作。

  • 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有效地搜索它们。在上下文窗口中组合您自己的特定领域数据，以提高 LLM 类人输出的相关性。

  • 自带 Transformer 模型

    使用 Eland Python 库来引入您自己训练的机器学习模型，或者使用来自 HuggingFace 等公共存储库的第三方模型。从各种满足您需求的支持的架构中进行选择。

Elasticsearch 相关性引擎

Elasticsearch - 一体式向量搜索强大工具

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

  • RRF 混合排名

    RRF（倒数排名融合）是一种组合来自多个检索系统的文档排名的方法。在不久的将来，RRF 将支持混合来自诸如 BM25 和 Elastic 的检索模型等稀疏向量模型的结果，从而产生同类最佳的零样本排名方法。使用 RRF 进行混合排名可让您以更少的精力调整来自多个检索器的搜索结果。

  • Elastic Learned Sparse Encoder

    我们新模型开箱即可提供高度相关的语义搜索，无需域适应。只需单击一下即可使用，同时配置您的搜索应用程序。Elastic Learned Sparse Encoder 使用相关关键字和相关性分数扩展查询，因此它们易于解释且可立即使用。

  • 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 提供业务特定信息。使用 Elasticsearch 进行高相关性上下文窗口，该窗口利用您的专有数据来提高 LLM 输出和相关性。使用与您选择的 LLM 集成的 API 和插件访问生成式 AI。

  • 向量数据库

    获得全面的大规模向量搜索体验 - 不仅仅是存储和搜索嵌入，还可以创建它们！通过用于密集检索的嵌入来捕获非结构化数据的含义和上下文，包括文本和图像。在文档级别保护您的嵌入，以确保数据掌握在合适的人手中。

  • 自带 Transformer 模型

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

  • 数据集成和摄取库

    使用熟悉的工具（如 Elastic Agent 或 Logstash）来索引您的数据。不断扩展的集成列表（如 Confluence、S3 或 Google Drive）。原生数据库连接器（如 MySQL、MongoDB）。用于在线资源的 Web 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您自己的连接器。

Chris Brown, Chief Product Officer, Relativity

“我很高兴我们通过投资利用 RelativityOne 中的 Elasticsearch 为客户带来的好处。我们目前正在试验 ESRE，并对其为客户提供强大的、人工智能增强的搜索结果的潜力感到兴奋。”

Chris Brown，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 是一组帮助开发人员构建 AI 搜索应用程序的功能，包括

  • 行业领先的高级相关性排名功能，包括带有 BM25 的传统关键词搜索，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 – 包括创建嵌入以及存储和检索向量的能力。
  • Elastic Learned Sparse Encoder – 我们用于跨各种领域的语义搜索的新机器学习模型。混合排名 (RRF)，用于配对向量和文本搜索功能，以在各种领域实现最佳搜索相关性。
  • 支持通过 API 集成 OpenAI GPT-3 和 4 等第三方 Transformer 模型
  • 一套完整的数据摄取工具，如数据库连接器、第三方数据集成、Web 爬虫和用于创建自定义连接器的 API
  • 开发人员工具，用于构建跨所有类型数据（文本、图像、时间序列、地理、多媒体等）的搜索应用程序。

了解有关将 ChatGPT 与 Elasticsearch 结合使用的更多信息

深入了解如何将 Elasticsearch 的搜索相关性与 OpenAI 的 ChatGPT 问答相结合，以查询您的私有数据。

阅读博客