Elasticsearch Labs herunterladen – Elasticsearch Labs Quellcode herunterladen

Elasticsearch-Labore

Anderer Quellcode

Herunterladen

Beispiele und Apps für Elasticsearch

Besuchen Sie Search Labs für die neuesten Artikel und Tutorials zur Verwendung von Elasticsearch für die Suche und KI/ML-gestützte Sucherlebnisse

Dieses Repo enthält ausführbare Python-Notebooks, Beispiel-Apps und Ressourcen zum Testen der Elastic-Plattform:

Erfahren Sie, wie Sie Elasticsearch als Vektordatenbank verwenden, um Einbettungen zu speichern und hybride und semantische Sucherlebnisse zu ermöglichen.
Erstellen Sie Anwendungsfälle wie Retrieval Augmented Generation (RAG), Zusammenfassung und Fragebeantwortung (QA).
Testen Sie die hochmodernen, sofort einsatzbereiten Funktionen von Elastic wie den Elastic Learned Sparse Encoder und die Reciprocal Rank Fusion (RRF), die ohne Schulung oder Optimierung erstklassige Ergebnisse liefern.
Integrieren Sie Projekte wie OpenAI, Hugging Face und LangChain und nutzen Sie Elasticsearch als Rückgrat Ihrer LLM-basierten Anwendungen.

Elastic ermöglicht alle modernen Sucherlebnisse auf Basis von KI/ML.

Setzen Sie ein Lesezeichen oder abonnieren Sie Elasticsearch Labs auf Github
Lesen Sie unsere neuesten Artikel unter elastic.co/search-labs

Apps

Chatbot RAG-App
Interne Wissenssuche
Relevanz-Workbench

Python-Notizbücher?

Der Ordner notebooks enthält eine Reihe ausführbarer Python-Notebooks, sodass Sie diese Funktionen selbst testen können. Colab bietet eine benutzerfreundliche virtuelle Python-Umgebung im Browser.

Generative KI

question-answering.ipynb
chatbot.ipynb

Spielplatz-RAG-Notizbücher

Probieren Sie Playground in Kibana mit den folgenden Notebooks aus:

OpenAI Example
Anthropic Claude 3 Example

LangChain

question-answering.ipynb
langchain-self-query-retriever.ipynb
Question Answering with Self Query Retriever
BM25 and Self-querying retriever with elasticsearch and LangChain
langchain-vector-store.ipynb
langchain-vector-store-using-elser.ipynb
langchain-using-own-model.ipynb

Dokument-Chunking

Document Chunking with Ingest Pipelines
Document Chunking with LangChain Splitters
Calculating tokens for Semantic Search (ELSER and E5)
Fetch surrounding chucks

Suchen

00-quick-start.ipynb
01-keyword-querying-filtering.ipynb
02-hybrid-search.ipynb
03-ELSER.ipynb
04-multilingual.ipynb
05-query-rules.ipynb
06-synonyms-api.ipynb
07-inference.ipynb
08-learning-to-rank.ipynb
09-semantic-text.ipynb

Semantisches Reranking

10-semantic-reranking-retriever-cohere.ipynb
11-semantic-reranking-hugging-face.ipynb

Integrationen

loading-model-from-hugging-face.ipynb
openai-semantic-search-RAG.ipynb
amazon-bedrock-langchain-qa-example.ipynb
Semantic Search using the Inference API with the Cohere Service

Modell-Upgrades

upgrading-index-to-use-elser.ipynb

Mitwirken?

Siehe Beitragsrichtlinien.

Unterstützung ?

Das Search-Team von Elastic verwaltet dieses Repository und hilft Ihnen gerne weiter.

Offizielle Support-Dienste

Wenn Sie ein Elastic-Abonnement haben, haben Sie Anspruch auf Support-Services für Ihre Elasticsearch-Bereitstellung. Informationen zur Zusammenarbeit mit unserem Support-Team finden Sie auf unserer Willkommensseite. Diese Dienste gelten nicht für den in diesem Repository enthaltenen Beispielanwendungscode.