Repolode
Предложить
elastic

elastic/elastic-labs

Исполняемые Python-ноутбуки, примеры приложений и материалы для изучения Elasticsearch в сценариях поиска, наблюдаемости и безопасности.

Открыть на GitHub
Звёзды
1,140
Форки
280
Открытые issues
52
Последний коммит
4 дня назад

Что это?

elastic-labs — это коллекция запускаемых Python-ноутбуков и примеров приложений от команды Search в Elastic. В них показано, как использовать Elasticsearch в качестве векторной базы данных, создавать RAG-приложения и чат-ботов, а также выполнять гибридный поиск. Также проект включает материалы по наблюдаемости на базе OpenTelemetry с запросами ES|QL, проектированию обнаружения угроз и тестированию атак на приложения с LLM.

В ноутбуках рассматриваются kNN и гибридный поиск с reciprocal rank fusion, семантический поиск с ELSER и мультиязычной моделью E5, правила запросов, синонимы, learning to rank и семантическое переранжирование. Примеры интеграций связывают Elasticsearch с OpenAI, Hugging Face, Cohere, Amazon Bedrock, Anthropic и LangChain. В проект входят три примера приложений: Chatbot RAG App, приложение Internal Knowledge Search и Relevance Workbench.

Проект распространяется по лицензии Apache-2.0 и поддерживается командой Search в Elastic. Код примеров приложений не входит в услуги поддержки Elastic.

Ключевые возможности

  • 01Использует Elasticsearch в качестве векторной базы данных для kNN и гибридного поиска.
  • 02Предоставляет ноутбуки с примерами семантического поиска на ELSER и мультиязычной модели E5.
  • 03Включает примеры RAG-приложений и чат-ботов на базе Elasticsearch.
  • 04Показывает интеграции с OpenAI, Hugging Face, Cohere, Amazon Bedrock, Anthropic и LangChain.
  • 05Содержит примеры наблюдаемости с OpenTelemetry и анализа логов с помощью ES|QL.
  • 06Включает запросы для обнаружения угроз с использованием ES|QL и EQL.

Сценарии использования

  • Изучение способов создания семантического поиска и RAG-функций на Elasticsearch.
  • Создание прототипа чат-бота, который отвечает на вопросы по внутренним документам.
  • Эксперименты с правилами запросов, синонимами и переранжированием для настройки релевантности поиска.
  • Изучение запросов ES|QL для логов, данных наблюдаемости или поиска угроз.

Быстрый старт

  1. 1

    Откройте в браузере через Colab или локально блокнот из папки notebooks, например руководство по быстрому запуску поиска

  2. 2

    Запустите ячейки блокнота в своей собственной среде Elasticsearch

Что важно знать

  • Это коллекция примеров и блокнотов, а не отдельная устанавливаемая библиотека.
  • Для работы с блокнотами предполагается наличие развернутой среды Elasticsearch, к которой можно подключиться.
  • Поддержка Elastic не распространяется на код примера приложения в этом репозитории.

В подборках

OpenTelemetry и платформы наблюдаемости

Темы

#elasticsearch#vector-search#rag#semantic-search#jupyter-notebook#langchain#observability#hybrid-search#ai#applications

Частые вопросы

Что такое elastic-labs?
Исполняемые Python-ноутбуки, примеры приложений и материалы для изучения Elasticsearch в сценариях поиска, наблюдаемости и безопасности. elastic-labs — это коллекция запускаемых Python-ноутбуков и примеров приложений от команды Search в Elastic. В них показано, как использовать Elasticsearch в качестве векторной базы данных, создавать RAG-приложения и чат-ботов, а также выполнять гибридный поиск. Также проект включает материалы по наблюдаемости на базе OpenTelemetry с запросами ES|QL, проектированию обнаружения угроз и тестированию атак на приложения с LLM.
elastic-labs можно использовать бесплатно? Какая у него лицензия?
elastic-labs распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
elastic-labs всё ещё поддерживается?
Активно поддерживается. Последний коммит в elastic-labs — 3 нояб. 2026 г..
Для чего можно использовать elastic-labs?
Изучение способов создания семантического поиска и RAG-функций на Elasticsearch. Создание прототипа чат-бота, который отвечает на вопросы по внутренним документам. Эксперименты с правилами запросов, синонимами и переранжированием для настройки релевантности поиска. Изучение запросов ES|QL для логов, данных наблюдаемости или поиска угроз.
Как установить elastic-labs?
Откройте в браузере через Colab или локально блокнот из папки notebooks, например руководство по быстрому запуску поиска Запустите ячейки блокнота в своей собственной среде Elasticsearch
Где скачать elastic-labs?
Исходный код и инструкции по установке — на GitHub: https://github.com/elastic/elastic-labs

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

oceanbase / seekdb

AI-ориентированная поисковая база данных: хранит векторные, полнотекстовые, структурированные и полуструктурированные данные в одном совместимом с MySQL движке для памяти и поиска агентов.

Базы данных и хранилища#vector-database#hybrid-search#full-text-search
3,2 тыс.+24 за неделю1,3 тыс.C++Apache-2.0Обновлён вчера

neuml / txtai

Универсальный AI-фреймворк на Python для семантического поиска, RAG, оркестрации LLM и рабочих процессов с языковыми моделями на базе векторной БД эмбеддингов.

ИИ и машинное обучение#semantic-search#rag#llm
13,1 тыс.+16 за неделю967PythonApache-2.0Активно поддерживаетсяОбновлён позавчера

epsilla-cloud / vectordb

Epsilla — векторная база данных с открытым исходным кодом на C++ для поиска похожих эмбеддингов, с фильтрацией метаданных, гибридным поиском и интеграциями для LLM-поиска.

Базы данных и хранилища#vector-database#vector-search#embeddings
87446C++Apache-2.0Обновлён в прошлом месяце