Descarga de elasticsearch labs - Descarga del código fuente de elasticsearch labs

laboratorios de búsqueda elástica

Otro código fuente

Descargar

Ejemplos y aplicaciones de Elasticsearch

Visite Search Labs para obtener los últimos artículos y tutoriales sobre el uso de Elasticsearch para búsqueda y experiencias de búsqueda impulsadas por IA/ML.

Este repositorio contiene cuadernos ejecutables de Python, aplicaciones de muestra y recursos para probar la plataforma Elastic:

Aprenda a utilizar Elasticsearch como base de datos vectorial para almacenar incrustaciones y potenciar experiencias de búsqueda híbrida y semántica.
Cree casos de uso como recuperación de generación aumentada (RAG), resúmenes y respuesta a preguntas (QA).
Pruebe las capacidades innovadoras y listas para usar de Elastic, como Elastic Learned Sparse Encoder y la fusión de rango recíproco (RRF), que producen los mejores resultados de su clase sin capacitación ni ajustes.
Integre con proyectos como OpenAI, Hugging Face y LangChain, y utilice Elasticsearch como columna vertebral de sus aplicaciones basadas en LLM.

Elastic permite todas las experiencias de búsqueda modernas impulsadas por AI/ML.

Marque o suscríbase a Elasticsearch Labs en Github
Lea nuestros últimos artículos en elastic.co/search-labs

Aplicaciones

Aplicación Chatbot RAG
Búsqueda Interna de Conocimiento
Banco de trabajo de relevancia

¿Cuadernos de Python?

La carpeta de notebooks contiene una variedad de cuadernos de Python ejecutables, por lo que puede probar estas funciones usted mismo. Colab proporciona un entorno virtual Python fácil de usar en el navegador.

IA generativa

question-answering.ipynb
chatbot.ipynb

Cuadernos RAG de juegos infantiles

Pruebe Playground en Kibana con los siguientes cuadernos:

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

Fragmentación de documentos

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

Buscar

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

Reordenación semántica

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

Integraciones

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

Actualizaciones de modelos

upgrading-index-to-use-elser.ipynb

¿Contribuyendo?

Consulte las pautas de contribución.

Apoyo ?

El equipo de búsqueda de Elastic mantiene este repositorio y estará encantado de ayudarle.

Servicios de soporte oficiales

Si tiene una suscripción de Elastic, tiene derecho a servicios de soporte para su implementación de Elasticsearch. Consulte nuestra página de bienvenida para trabajar con nuestro equipo de soporte. Estos servicios no se aplican al código de aplicación de muestra contenido en este repositorio.