Elastic 中国社区官方博客

我来为大家来展示如何在自己的电脑使用一个命令来启动 Elastic Stack，并进行 AI Agents 的开发。

这篇文章分享了作者在Elastic与阿里云合办的AgentBuilderHacknight上开发的"能听懂孤独"的情感陪伴AI系统。该系统通过六种"孤独星球"原型（如"点灯人"、"国王"等）来映射用户情绪，利用Elasticsearch的语义检索技术理解隐喻表达，而非简单关键词匹配。系统包含三层：星球原型库、狐狸agent和驯服指数，使用向量化处理和混合检索技术。作者特别强调，写给向量检索的语料需要用自然语言而非关键词堆砌。该系

SkillGapRadar：基于Elastic技术栈的AI技能差距分析工具 在ElasticAgentBuilder Hackathon中，林霆恩开发的SkillGapRadar项目获得三等奖，旨在解决大学生面临的“所学课程与岗位需求脱节”问题。该工具通过整合公开课程信息和招聘数据，利用Elasticsearch、ES|QL、Kibana和ElasticAgentBuilder，将技能匹配问题转化为结构化、可验证的分析流程。 核心功能： 数据整合：统一课程描述与岗位需求术语，建立技能标签体系，支持回溯原始证

SRE Alert Copilot 基于 Elastic Stack 构建，将告警触发、上下文预处理、AI 智能分析与人工反馈闭环串联起来，帮助 SRE 团队更快定位问题、沉淀运维知识，并持续优化分析质量。核心能力：自动化分析：告警触发后自动拉取日志、指标、链路追踪等上下文，由 AI Agent 给出初步根因判断与处置建议人机协同：关键决策节点引入人工审核，避免 AI 误判直接执行高风险操作自我改进：人工反馈作为训练信号，持续优化 Agent 指令、工具配置与知识库内容。

李阳阳Elastic Stack 9.3 作为全量多模态数据底座，存储管理机器人仿真场景下所有结构化 / 非结构化 / 向量数据；AI Agent 串联【数据检索 - 3D 资产生成 - 仿真数据统计 - 资产迭代优化】全流程，解决具身开发中 3D 资产数据分散、检索困难、生成与业务数据割裂的行业痛点。

【摘要】针对矿物鉴定中单模态检索准确率低的问题，实验通过Elasticsearch的RRF融合检索技术，将准确率从36%提升至92%。传统方法中，仅依赖图像或文字属性检索存在局限性（如玛瑙类矿物光学特征重叠），而RRF技术通过融合BM25文本召回、跨模态图像kNN搜索和结构化硬度过滤三路信号，利用排名加权机制规避了不同分数量纲的干扰。全链路在Elasticsearch内完成，包括检索、推理和评测，且实验可复现（GitHub开源）。结果表明，RRF使检索命中率Top-1提升29.4%，下游问答准确率显著提高，

摘要： “景枢”是基于Elasticsearch 9.3和AI Agent技术构建的智能运维系统，面向文旅景区购票平台，通过整合Nginx与Service日志实现自动化告警与根因分析。系统核心能力包括： 数据治理：通过脱敏、噪声标记（如长连接、内部任务）和字段标准化（如景区标识、订单Hash），提升日志分析可靠性； 工具化分析：封装ES|QL查询为Agent可调用工具（如慢接口TopN、客流地理分布），结合Kibana可视化与告警； AI驱动决策：Agent通过多工具协同（技术诊断、业务洞察、风控检测）定位

本文介绍了如何将IMDB电影数据导入Elasticsearch并进行AI分析。主要内容包括：1) 安装Elasticsearch和Kibana环境；2) 配置E5多语言模型用于向量搜索；3) 下载并处理IMDB电影数据集；4) 通过Kibana或Python代码将数据写入Elasticsearch；5) 使用Agent Builder对电影数据进行查询和分析。文章提供了详细的步骤说明和代码示例，帮助读者实现从数据准备到分析的全流程操作，并展示了如何利用AI功能对电影数据进行智能查询和统计。

本文演示了如何将CSV数据导入Elasticsearch。首先准备了一个包含姓名、年龄、地址等字段的CSV文件，然后按照之前文章介绍的方法为VSCode安装必要的Agent skills。通过设置环境变量配置Elasticsearch连接参数后，使用ingest.js技能将CSV数据写入Elasticsearch，并特别指定location字段为geo_point类型。最后在Kibana中验证了10条数据成功导入，并展示了自动生成的mapping结构。文章还提到Agent skills支持更多功能，鼓励读者

摘要：Elastic AgentBuilder是基于大语言模型和Elasticsearch的智能代理构建工具，可快速创建运维问答、日志分析等场景的智能助手。在阿里云Elasticsearch实例中，通过Kibana配置AI连接器（需9.3.2+版本），选择兼容OpenAI的模型服务并填写API密钥即可完成Agent创建。创建后可通过自然语言查询数据，如分析API日志时，Agent会自动转换为ES|QL查询并返回统计结果及可视化图表。阿里云Elasticsearch结合BBQ量化等技术，为企业提供高效经济的A

黑客松 Beijing：基于阿里云与 Elastic 构建 AI Agents。​随着 Elastic Stack 9.3 版本的发布，AI Agent Builder 正式亮相。该工具旨在简化智能体（Agents）的开发流程，支持开发者利用 ES|QL、MCP（Model Context Protocol）、索引搜索及工作流（Workflows）构建具备可信度与上下文感知能力的搜索应用。通过 AI Agent Builder 创建的工具不仅可通过 MCP 协议供外部客户端调用，亦支持 A2A（Age

Elastic举办的Elasticsearch Agent Builder黑客松吸引了全球开发者，他们利用AI agents结合Elastic工具解决各领域实际问题。获奖项目包括：PHAROS药物安全监测系统，能在60秒内分析FDA报告并预警；Gauntlet对抗测试框架，通过模拟攻击提升agent鲁棒性；以及肯尼亚HIV重复记录检测系统，10秒完成人工需数周的工作。这些项目展示了AI agents在医疗、安全等领域的实际应用价值，体现了推理能力与结构化工具结合产生的强大效能。

摘要：Elastic团队开发了基于ElasticAgentBuilder的增强型基础设施解决方案，突破传统AI代理仅能建议而无法操作的局限。该方案通过分布式runner架构，使代理能够直接管理基础设施，包括部署、监控和修复实时环境。核心创新包括：1）使用Elasticsearch作为中间层处理工具调用；2）开发workflow系统实现异步操作；3）支持跨Kubernetes、云环境等多平台操作。演示场景显示其能自动完成Kubernetes可观测性部署和安全漏洞修复。该技术可扩展至开发、运维等多个领域，标志着

我们如何基于使用 Elasticsearch 丰富的语音对语音交互为护理人员构建 AI 助手。Care 是一款面向护理人员的 AI 助手。在本博客中，我们将介绍它的工作原理和功能。点击原型可在找到，项目可在此处找到。在 Realtime API 发布之前，要构建语音转语音应用程序，开发人员必须自己手动连接系统。该过程很慢，反应速度不够快，无法实现自然交互。此外，捕获和转录语音不会包含太多细节和细微差别，因此很难建立流畅的对话体验。

摘要：Elastic在CalHacks12.0黑客松中展示了其AgentBuilder工具的潜力，29个参赛项目展现了从野火监测到交易分析等创新应用。获奖项目AgentOverflow通过结构化存储LLM解决方案，有效解决开发者重复问题；MarketMind则整合多源市场数据提供实时交易信号。活动揭示了ES|QL查询生成等开发痛点，并凸显线下协作对快速改进产品的重要性。Elastic将持续优化开发者体验，推动AI与搜索技术的融合创新。（149字）

Elastic社区行为准则旨在为所有成员创造安全友好的环境。准则适用于所有线上线下社区空间，要求成员保持尊重、友善和耐心，禁止任何形式的骚扰、歧视或暴力行为。鼓励有效沟通和及时提问，对不当行为可采取临时封禁或永久驱逐等措施。准则借鉴了多个开源项目经验，采用CC协议授权，强调包容性和文化差异理解。

肯尼亚县级卫生系统面临严重的患者重复记录问题，导致44%的重复率未被发现，每年造成19.5万美元浪费。作者作为健康信息系统架构师，利用Elasticsearch构建了一个多agent系统：检测agent通过ES|QL查询识别重复模式，风险评估agent进行0-100分评分，行动推荐agent提供具体处理建议。系统在1010条记录中10秒内识别出131例重复，包括跨机构检测等隐蔽案例。关键创新在于分层评分机制和可解释性设计，使医疗工作者能快速理解并处理问题。该系统计划未来2-3个月试点，最终目标接入全国卫生信