лаборатории эластичного поиска

Примеры и приложения Elasticsearch

Посетите Search Labs, чтобы ознакомиться с новейшими статьями и учебными пособиями по использованию Elasticsearch для поиска и поиска на основе искусственного интеллекта и машинного обучения.

Этот репозиторий содержит исполняемые блокноты Python, примеры приложений и ресурсы для тестирования платформы Elastic:

• Узнайте, как использовать Elasticsearch в качестве векторной базы данных для хранения вложений, а также возможностей гибридного и семантического поиска.
• Создавайте варианты использования, такие как расширенная генерация извлечения (RAG), обобщение и ответы на вопросы (QA).
• Протестируйте передовые, готовые возможности Elastic, такие как Elastic Learned Sparse Encoder и взаимное слияние рангов (RRF), которые дают лучшие в своем классе результаты без обучения или настройки.
• Интегрируйтесь с такими проектами, как OpenAI, Hugging Face и LangChain, и используйте Elasticsearch в качестве основы ваших приложений на базе LLM.

Elastic обеспечивает все современные возможности поиска на основе искусственного интеллекта и машинного обучения.

• Добавьте в закладки или подпишитесь на Elasticsearch Labs на Github.
• Прочтите наши последние статьи на сайте elastic.co/search-labs.

Приложения

• Приложение чат-бота RAG
• Внутренний поиск знаний
• Релевантность

Ноутбуки на Python?

Папка notebooks содержит ряд исполняемых блокнотов Python, поэтому вы можете протестировать эти функции самостоятельно. Colab предоставляет простую в использовании виртуальную среду Python в браузере.

Генеративный ИИ

• question-answering.ipynb
• chatbot.ipynb

Блокноты RAG для детской площадки

Попробуйте Playground in Kibana со следующими ноутбуками:

• OpenAI Example
• Anthropic Claude 3 Example

Лангчейн

• 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

Разделение документа на части

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

Поиск

• 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

Семантическое реранжирование

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

Интеграции

• 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

Обновления модели

• upgrading-index-to-use-elser.ipynb

Содействие?

См. рекомендации по участию.

Поддерживать ?

Команда поиска Elastic поддерживает этот репозиторий и будет рада помочь.

Официальные службы поддержки

Если у вас есть подписка Elastic, вы имеете право на услуги поддержки для вашего развертывания Elasticsearch. Посетите нашу приветственную страницу для работы с нашей службой поддержки. Эти службы не применяются к примеру кода приложения, содержащемуся в этом репозитории.

Обсудить форум

Попробуйте опубликовать свой вопрос на дискуссионных форумах Elastic и пометить его тегом #esre-elasticsearch-relevance-engine.

Эластичная слабина

Вы также можете найти нас на канале #search-esre-relevance-engine сообщества Elastic Slack.

Лицензия ⚖️

Это программное обеспечение распространяется по лицензии Apache версии 2 («ALv2»).