Mecanismo de busca local com IA que indexa automaticamente qualquer pasta (código, documentos, logs, PDFs) e oferece a API do Elasticsearch, feito em Rust.
18,5 mil+782 esta semana1,4 milRustApache-2.0Atualizado há 20 horas
elastic/elastic-labs
Notebooks Python executáveis, apps de exemplo e recursos para experimentar o Elasticsearch em casos de uso de busca, observabilidade e segurança.
- Estrelas
- 1,140
- Forks
- 280
- Issues abertas
- 52
- Último commit
- há 4 dias
O que é?
elastic-labs é uma coleção de notebooks Python executáveis e aplicações de exemplo da equipe de Search da Elastic, que mostra como usar o Elasticsearch como banco de dados vetorial, criar apps de RAG e chatbot e executar buscas híbridas. Também inclui conteúdo sobre observabilidade baseada em OpenTelemetry com consultas ES|QL, além de engenharia de detecção de segurança e testes de ataques a aplicações com LLM.
Os notebooks abordam busca kNN e híbrida com reciprocal rank fusion, busca semântica com ELSER e multilingual E5, regras de consulta, sinônimos, learning to rank e reordenação semântica. Os exemplos de integração conectam o Elasticsearch ao OpenAI, Hugging Face, Cohere, Amazon Bedrock, Anthropic e LangChain. O projeto inclui três apps de exemplo: um app de chatbot com RAG, um app de busca de conhecimento interno e um Relevance Workbench.
O projeto usa a licença Apache-2.0 e é mantido pela equipe de Search da Elastic. O código dos apps de exemplo não está coberto pelos serviços de suporte da Elastic.
Recursos principais
- 01Executa o Elasticsearch como banco de dados vetorial, com busca kNN e híbrida.
- 02Oferece notebooks de busca semântica com ELSER e multilingual E5.
- 03Inclui apps de exemplo de RAG e chatbot criados com base no Elasticsearch.
- 04Mostra integrações com OpenAI, Hugging Face, Cohere, Amazon Bedrock, Anthropic e LangChain.
- 05Abrange observabilidade com OpenTelemetry e exemplos de análise de logs com ES|QL.
- 06Inclui consultas de detecção de segurança com ES|QL e EQL.
Casos de uso
- Aprender a criar recursos de busca semântica ou RAG com o Elasticsearch.
- Prototipar um chatbot que responde a perguntas sobre documentos internos.
- Experimentar regras de consulta, sinônimos e reordenação para ajustar a relevância das buscas.
- Explorar consultas ES|QL para logs, dados de observabilidade ou busca por ameaças.
Início rápido
- 1
Abra no navegador, pelo Colab ou localmente, um notebook da pasta notebooks, como o guia de início rápido de pesquisa
- 2
Execute as células do notebook na sua própria implantação do Elasticsearch
Antes de usar
- Esta é uma coleção de exemplos e notebooks, não uma biblioteca que possa ser instalada por conta própria.
- Os notebooks pressupõem que você tenha uma implantação do Elasticsearch à qual se conectar.
- O suporte da Elastic não cobre o código do aplicativo de exemplo neste repositório.
Em coleções
Tópicos
Perguntas frequentes
- O que é elastic-labs?
- Notebooks Python executáveis, apps de exemplo e recursos para experimentar o Elasticsearch em casos de uso de busca, observabilidade e segurança. elastic-labs é uma coleção de notebooks Python executáveis e aplicações de exemplo da equipe de Search da Elastic, que mostra como usar o Elasticsearch como banco de dados vetorial, criar apps de RAG e chatbot e executar buscas híbridas. Também inclui conteúdo sobre observabilidade baseada em OpenTelemetry com consultas ES|QL, além de engenharia de detecção de segurança e testes de ataques a aplicações com LLM.
- elastic-labs é gratuito? Qual é a licença?
- elastic-labs é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- elastic-labs ainda é mantido?
- Manutenção ativa. O último commit de elastic-labs foi em 3 de nov. de 2026.
- Para que posso usar elastic-labs?
- Aprender a criar recursos de busca semântica ou RAG com o Elasticsearch. Prototipar um chatbot que responde a perguntas sobre documentos internos. Experimentar regras de consulta, sinônimos e reordenação para ajustar a relevância das buscas. Explorar consultas ES|QL para logs, dados de observabilidade ou busca por ameaças.
- Como instalar elastic-labs?
- Abra no navegador, pelo Colab ou localmente, um notebook da pasta notebooks, como o guia de início rápido de pesquisa Execute as células do notebook na sua própria implantação do Elasticsearch
- Onde consigo elastic-labs?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/elastic/elastic-labs
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Backend FastAPI para um agente conversacional de RAG que incorpora documentos no Qdrant, faz buscas semânticas e híbridas e responde a perguntas com LLMs.
25744PythonMITBem mantidoAtualizado há 8 dias
Um banco de dados de busca nativo para IA que armazena dados vetoriais, de texto completo, estruturados e semiestruturados em um único mecanismo compatível com MySQL, para memória e recuperação de agentes.
3,2 mil+24 esta semana1,3 milC++Apache-2.0Atualizado ontem
Framework de IA completo em Python para busca semântica, RAG, orquestração de LLMs e fluxos de trabalho com modelos de linguagem, baseado em um banco de dados de embeddings.
13,1 mil+16 esta semana967PythonApache-2.0Bem mantidoAtualizado anteontem
Epsilla é um banco de dados vetorial open source em C++ para busca por similaridade em embeddings, com filtros por metadados, busca híbrida e integração com sistemas de recuperação para LLMs.
87446C++Apache-2.0Atualizado mês passado
Banco de dados vetorial open source que armazena objetos e vetores juntos, combinando busca por similaridade vetorial com filtros estruturados.
16,9 mil+8 esta semana1,4 milGoOtherAtualizado há 20 horas