本地 AI 搜索引擎,一条命令自动索引代码、文档、日志和 PDF,兼容 Elasticsearch API,使用 Rust 编写。
elastic/elastic-labs
用于体验 Elasticsearch 搜索、可观测性与安全场景的可执行 Python 笔记本、示例应用与资料。
- Star
- 1,140
- Fork
- 280
- 未关闭 Issue
- 52
- 最近提交
- 4天前
这是什么?
elastic-labs 是 Elastic 搜索团队维护的一组可运行的 Python 笔记本和示例应用,展示如何将 Elasticsearch 用作向量数据库、构建 RAG 与聊天机器人应用,以及实现混合搜索。仓库同时包含基于 OpenTelemetry 的可观测性示例(使用 ES|QL 查询),以及安全检测工程和针对 LLM 应用的攻击测试内容。
笔记本涵盖 kNN 与结合倒数排名融合(RRF)的混合搜索、ELSER 与多语言 E5 语义搜索、查询规则、同义词、学习排序和语义重排序。集成示例演示了 Elasticsearch 与 OpenAI、Hugging Face、Cohere、Amazon Bedrock、Anthropic 及 LangChain 的对接。仓库还附带三个示例应用:Chatbot RAG 应用、内部知识搜索和相关性工作台。
项目采用 Apache-2.0 许可证。示例应用代码不在 Elastic 官方支持服务范围内。
核心功能
- 01将 Elasticsearch 用作向量数据库,支持 kNN 与混合搜索。
- 02提供 ELSER 与多语言 E5 语义搜索的笔记本示例。
- 03包含基于 Elasticsearch 构建的 RAG 与聊天机器人示例应用。
- 04演示与 OpenAI、Hugging Face、Cohere、Amazon Bedrock、Anthropic 及 LangChain 的集成。
- 05涵盖基于 OpenTelemetry 的可观测性与 ES|QL 日志分析示例。
- 06包含使用 ES|QL 和 EQL 编写的安全检测查询。
适用场景
- 学习如何在 Elasticsearch 上构建语义搜索或 RAG 功能。
- 原型开发基于内部文档问答的聊天机器人。
- 试验查询规则、同义词与重排序,以调整搜索相关性。
- 探索用于日志、可观测性数据或威胁狩猎的 ES|QL 查询。
快速上手
- 1
从 notebooks 文件夹打开一个笔记本,例如搜索快速入门,可通过 Colab 在浏览器中运行或在本地运行
- 2
针对你自己的 Elasticsearch 部署运行笔记本单元格
使用前须知
- 这是一个示例和笔记本的集合,而不是可直接安装的单一库。
- 笔记本需要你连接到一个 Elasticsearch 部署。
- Elastic 的官方支持服务不涵盖本仓库中的示例应用代码。
收录于专题
标签
常见问题
- elastic-labs 是什么?
- 用于体验 Elasticsearch 搜索、可观测性与安全场景的可执行 Python 笔记本、示例应用与资料。 elastic-labs 是 Elastic 搜索团队维护的一组可运行的 Python 笔记本和示例应用,展示如何将 Elasticsearch 用作向量数据库、构建 RAG 与聊天机器人应用,以及实现混合搜索。仓库同时包含基于 OpenTelemetry 的可观测性示例(使用 ES|QL 查询),以及安全检测工程和针对 LLM 应用的攻击测试内容。
- elastic-labs 可以免费使用吗?用的什么许可证?
- elastic-labs 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- elastic-labs 还在维护吗?
- 活跃维护中。elastic-labs 最近一次提交是在 2026年11月3日。
- elastic-labs 适合用来做什么?
- 学习如何在 Elasticsearch 上构建语义搜索或 RAG 功能。 原型开发基于内部文档问答的聊天机器人。 试验查询规则、同义词与重排序,以调整搜索相关性。 探索用于日志、可观测性数据或威胁狩猎的 ES|QL 查询。
- elastic-labs 怎么安装和运行?
- 从 notebooks 文件夹打开一个笔记本,例如搜索快速入门,可通过 Colab 在浏览器中运行或在本地运行 针对你自己的 Elasticsearch 部署运行笔记本单元格
- 在哪里获取 elastic-labs?
- 源代码和安装说明在 GitHub 上:https://github.com/elastic/elastic-labs
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
基于 FastAPI 的对话式 RAG 后端,将文档写入 Qdrant 向量库,支持语义与混合检索并调用大模型问答。
一款面向 AI Agent 的搜索数据库,在单一 MySQL 兼容引擎中统一存储向量、全文、结构化与半结构化数据。
一体化 Python AI 框架,覆盖语义搜索、RAG、LLM 编排与语言模型工作流。
Epsilla 是一个开源 C++ 向量数据库,用于嵌入向量相似度搜索,支持元数据过滤、混合检索和 LLM 集成。
开源向量数据库,同时存储对象与向量,将向量相似度检索与结构化过滤结合起来。