Red Hat 和 Elastic 已合作，以便在Red Hat OpenShift AI上实现 Elasticsearch 向量数据库的集成。Red Hat OpenShift 用户可以通过Red Hat 生态系统目录实施 Elasticsearch 用于向量搜索和检索增强生成 (RAG) 应用程序。
Elastic Cloud on Kubernetes (ECK) 是 Red Hat OpenShift 上的认证产品。Elastic 是 IBM 的合作伙伴，IBM Watsonx Assistant 和 Watsonx Discovery 使用 Elastic 的向量搜索用于问答和检索增强用例。
通过这种合作，Elasticsearch 用户可以从 Red Hat OpenShift AI 中受益，Red Hat OpenShift AI 是一个灵活、可扩展的 MLOps 平台，用于构建、训练、测试和服务 AI 增强型应用程序的模型。
Elasticsearch 向量数据库，用于生成式 AI 和 RAG 应用程序
Elasticsearch 相关性引擎 (ESRE) 是一套完整的开发者工具，用于构建生成式 AI 和 RAG 应用程序。ESRE 集成了一个向量数据库，用于存储文本、图像和视频数据的嵌入。ESRE 的原生混合搜索可以有效地结合包含文本、向量和地理空间数据的结果，并提供过滤、聚合和文档级安全性。
借助 ESRE，开发人员可以实现向量搜索和语义搜索，包括 k 近邻 (kNN) 和近似最近邻 (ANN) 搜索，以及对内置和第三方自然语言处理 (NLP) 模型的支持。ESRE 还与 Cohere、LangChain 和 LlamaIndex 等提供商的关键第三方生态系统产品无缝集成。Elasticsearch 可以自行管理或与Elastic Cloud一起部署。
作为此次合作的一部分，用户现在可以通过从Red Hat 生态系统目录直接下载 Elasticsearch 来利用 ESRE 功能。
什么是 Red Hat OpenShift AI，用于生成式 AI 应用程序？
Red Hat OpenShift AI 是一个混合 MLOps 平台，它将 IT、数据科学和应用程序开发团队汇聚在一起。它旨在简化生成式 AI 应用程序的开发和部署，提供针对分布式工作负载量身定制的全面基础设施堆栈。这包括训练、优化、微调和部署基础和预测 AI 模型。与模型构建者合作有助于提供对各种预构建模型的访问。开发人员和数据科学家可以在同一个平台上协作，从而极大地增强协作。该平台促进端到端的 AI 生命周期管理——从模型开发和训练到部署、服务和持续监控。
- 模型开发：在 JupyterLab 中进行探索性数据科学，并访问核心 AI/ML 库和框架，包括使用我们的笔记本镜像或您自己的 TensorFlow 和 PyTorch。
- 模型服务和监控：跨本地或任何云部署模型，无论是在完全托管还是自托管的 Red Hat OpenShift 环境中，并集中监控其性能。
- 生命周期管理：为模型训练和验证创建可重复的数据科学管道，并将它们与 DevOps 管道集成，以在整个企业中交付模型。
- 增强功能和协作：创建项目并在团队之间共享。结合 Red Hat 组件、开源软件和 ISV 认证软件。
开始使用 Red Hat 和 Elasticsearch
要开始使用，只需按照Red Hat 生态系统目录中提供的安装说明进行操作，然后开始使用 RAG 构建您的下一个生成式 AI 应用程序！
访问Elasticsearch Labs，了解有关向量搜索、RAG 等的文章和示例笔记本。
相关内容
使用 Azure OpenAI 服务在您的数据上进行联合 SharePoint 搜索
在您的数据上使用 Azure OpenAI 服务，并将 Elastic 作为向量数据库。
Lucene 和 Elasticsearch 中的改进二进制量化 (BBQ)
改进二进制量化在 Lucene 和 Elasticsearch 中的工作原理。
使用多个嵌入的混合搜索：一场有趣而毛茸茸的猫咪搜索！
逐步介绍如何在多个嵌入（文本和图像）上实现不同类型的搜索 - 词汇、向量和混合。它使用一个关于猫咪的简单有趣的搜索应用程序。