Quick Start: Elasticsearch Relevance Engine

In dieser dreiteiligen „Quick Start“-Reihe erfahren Sie mehr über die speziell für KI-basierte Suchanwendungen entwickelte Elasticsearch Relevance Engine™ (ESRE). Erleben Sie die ESRE-Features in Aktion, etwa zum Aktivieren der semantischen Suche mit einem Klick, zum Hosten eigener, individueller ML-Modelle und zum Integrieren mit LLMs für generative KI-Erlebnisse.

Video thumbnail

Jetzt sind Sie an der Reihe

Nachdem Sie die „Quick Start“-Videos angesehen haben, können Sie Ihr neues Wissen mit den folgenden Schritten in die Praxis umsetzen. Wenn Sie noch keine eigene Elastic Cloud-Instanz haben, können Sie Elastic Cloud 14 Tage lang kostenlos ausprobieren.

  • Schritt 1

    1. Mehr zu den Features der Elasticsearch Relevance Engine
    2. Deployment namens „Quick Start: Elasticsearch Relevance Engine“ erstellen
    3. Elasticsearch Relevance Engine starten
  • Schritt 2

    1. Daten mit dem nativen MySQL-Connector von Elastic ingestieren
    2. Daten mit dem proprietären Machine Learning-Modell von Elastic (ELSER) anreichern
    3. Volltextsuche und semantische Suche ausprobieren
    4. Externes ML-Modell von Hugging Face hochladen
    5. Vektoreinbettungen generieren
    6. Vektorsuche und Hybridsuche ausprobieren
  • Schritt 3

    1. Gemeinschaftliches Google-Notebook-Beispiel von Elasticsearch-labs öffnen, um eine Anwendung mit generativer KI zu erstellen
    2. Wikipedia-Datensatz mit OpenAI-Einbettungen in Elasticsearch ingestieren
    3. Einfache Streamlit-Anwendung zur Implementierung von Retrieval Augmented Generation (RAG) mit der Elasticsearch Relevance Engine erstellen
    4. Einfache Frage stellen, zum Beispiel „Wer ist Beethoven?“ Relevante, aus Elasticsearch abgerufene Dokumente überprüfen und über das Kontextfenster an das Transformationsmodell übergeben

Entdecken Sie aktuelle Blogeinträge zu KI-Suche, LLMs und Vektordatenbanken von den Elastic Search Labs.