作者：来自 Elastic DevRel team
来自 Elastic DevRel 团队的问候！在本期通讯中，我们介绍了首批 Elastic Jina models、免费按需培训、最新博客和视频，以及即将举办的活动。
新内容概览
Elasticsearch 和 Elastic Stack 9.2 版本带来了：
-
Elastic Agent Builder ：一个新的 LLM 驱动框架，帮助开发者构建自定义 AI agents，通过对话接口从 Elasticsearch 提供合适的 context。这简化了与 relevance 和 agentic 自动化相关的工作流程。
-
Streams（AI 驱动日志摘要） ：自动解析、压缩并提取非结构化日志中的洞察，帮助 SRE 加快调查速度并降低运维开销。
-
Elasticsearch Query Language（ ES|QL ）增强功能：包括智能 lookup joins（跨多个字段的 enrichment，包括 <、>、!= 比较，以及远程集群）和 Discover 中的原生 time series 分析 ------ 例如 RATE、TBUCKET 和 *_OVER_TIME 可直接在 UI/queries 中使用。
-
新创建的 indices 默认将向量排除在 _source 外，减少存储开销，并通常提升索引性能。
-
通过 DiskBBQ 提升 vector search 效率 ：一种新型 vector index 存储和检索方法，可直接从磁盘读取紧凑 clusters，无需将完整 indices 加载到内存中，显著降低内存使用。性能基准显示，即使在内存紧张情况下延迟也低于 20 ms。
ELSER 和 Jina models ：用于 sparse 和 dense embeddings，通过 Elastic Inference Service（ EIS ）提供。可直接在 Elastic Cloud Serverless 中通过 .elser-2-elastic 和 .jina-embeddings-v3 推理 endpoints 访问。这些 EIS 模型生成 embeddings 并执行向量搜索，采用按需付费计划（按百万 tokens 计费），无需设置 ML 节点。
借助 EIS 提供的 Jina model 并使用 semantic_text，多语言语义搜索变得更简单且成本可预测。创建用于基于 dense vectors 的 semantic search 场景的索引非常直接（无需设置 model）：
markdown
`
1. PUT inventory
2. {
3. "mappings": {
4. "properties": {
5. "item": {
6. "type": "semantic_text",
7. "inference_id": ".jina-embeddings-v3"
8. }
9. }
10. }
11. }
`AI写代码提示 ：如果你不使用 EIS，你可以参考文章 "Jina-VLM：小型多语言视觉语言模型" 来获取在线由 JINA AI 所提供的 embeddings：
bash` 1. PUT _inference/text_embedding/jina_embeddings 2. { 3. "service": "jinaai", 4. "service_settings": { 5. "api_key": "${JINA_API_KEY}", 6. "model_id": "jina-embeddings-v3" 7. } 8. } `AI写代码你需要在 api-beta-vlm.jina.ai 上申请 JIAN API key。
添加数据无需任何额外的网络往返请求；所有操作都由 Elasticsearch 和 EIS 在后台处理：
bash
`
1. POST inventory/_bulk?refresh=true
2. { "index": { } }
3. { "item": "cherries 🍒" }
4. { "index": { } }
5. { "item": "train 🚆" }
6. { "index": { } }
7. { "item": "bananas 🍌" }
8. { "index": { } }
9. { "item": "computer 💻" }
10. { "index": { } }
11. { "item": "apple 🍎" }
12. { "index": { } }
13. { "item": "framboises 🍓" }
14. { "index": { } }
15. { "item": "der Apfel 🍏" }
16. { "index": { } }
17. { "item": "tomato 🍅" }
18. { "index": { } }
19. { "item": "das Auto 🚗" }
20. { "index": { } }
21. { "item": "bicycle 🚲" }
22. { "index": { } }
23. { "item": "naranjas 🍊" }
`AI写代码然后，执行多语言 semantic search：
bash
`
1. POST inventory/_search
2. {
3. "query": {
4. "match": {
5. // stands for "fruit" in Spanish
6. "item": "frutas"
7. }
8. }
9. }
`AI写代码返回的结果包括 cherries、naranjas、bananas、framboises、apple、der Apfel 和 tomato：
bash
`1. "hits": {
2. "total": {
3. "value": 11,
4. "relation": "eq"
5. },
6. "max_score": 0.67841315,
7. "hits": [
8. {
9. "_index": "inventory",
10. "_id": "8EtNK5sBRerpcHC7zVrq",
11. "_score": 0.67841315,
12. "_source": {
13. "item": "cherries 🍒"
14. }
15. },
16. {
17. "_index": "inventory",
18. "_id": "-ktNK5sBRerpcHC7zVrr",
19. "_score": 0.63476694,
20. "_source": {
21. "item": "naranjas 🍊"
22. }
23. },
25. {
26. "_index": "inventory",
27. "_id": "8ktNK5sBRerpcHC7zVrr",
28. "_score": 0.6138144,
29. "_source": {
30. "item": "bananas 🍌"
31. }
32. },
33. // more results`AI写代码博客、视频和有趣的链接
-
Elastic Agent Builder ：Jonathan Simon 在开始使用 Elastic Agent Builder 和 Strands Agents SDK 中介绍了如何构建 AI agent 并通过 Strands Agents SDK 使用 A2A protocol 进行连接。
-
ES|QL ：Tyler Perkins、Kostas Krikellas 和 Julian Kiryakov 讲解了 9.2 中 ES|QL 的最新增强功能：Smart Lookup Joins 和时间序列支持。
-
上下文工程 ：Joseph McElroy 探讨了 相关性在 AI agents 的 context engineering 中的影响。
-
搜索相关性 ：Alexander Marquardt 解释了如何通过个性化分群感知排序提升电商搜索相关性。
-
Streams ：Luca Wintergerst 在Streams 处理：告别 Grok 的困扰 - 在 Streams 中解析你的日志中介绍了在 Streams 中解析日志的优势。
-
可观测性 ：深入了解 2026 年的最新可观测性趋势：成熟度、成本控制和业务价值驱动。
-
安全 ：Daniel Stepanic 分析了 NANOREMOTE（FINALDRAFT 的 cousin）与 REF7707 中描述的 malware 的共同特征。
-
安全赋能：Aaron Jewitt 讲解了如何使用 Kibana cases 自动化 detection tuning requests。
-
Security malware ：Roxana Gheorghe 介绍了 Elastic 在 2025 AV-Comparatives 测试中实现的 100% 保护。
Jina ：
尝试最新 Jina 教程：
查看这些视频：
-
Abhi Anand 的 在 Elastic Agent Builder 上评估 AI agents
-
Olivia Petrie 的 我如何使用 Elastic Agent Builder 创建 AI 婴儿睡眠顾问
-
Alex Hidalgo 的拥抱失败和混乱以提升系统可靠性和 SRE 团队绩效
社区精选博客：
-
Someshwaran M 的 统一智能 --- Elasticsearch 如何使用 Agent Builder 简化 Agentic Stack！
-
Maryna Kryvko 和 Ivan Potapov 的 我们自己的 Queries 发起 DoS 的那天：Zalando Search 内部揭秘
-
Paul Redmond 的 流畅的 PHP Elasticsearch Query Builder
-
Gerry Bellows 的 生产就绪的 .NET API 日志记录：Serilog、Elasticsearch 与 OpenTelemetry
加入你本地的 Elastic User Group 分会，获取即将举办活动的最新资讯！你也可以在 Meetup.com 上找到我们。如果你有兴趣在 meetup 上做演讲，请发送邮件至 meetups@elastic.co。
本文中描述的任何功能或特性的发布及时间完全由 Elastic 决定。当前不可用的功能或特性可能无法按时交付或根本无法提供。
在本文博客中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由各自所有者拥有和运营。Elastic 无法控制这些第三方工具，对其内容、操作或使用不承担任何责任，也不对你使用这些工具可能造成的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时，请务必谨慎。你提交的任何数据可能用于 AI 训练或其他用途。我们无法保证你提供的信息会被安全或保密地保存。在使用任何生成式 AI 工具之前，你应熟悉其隐私实践和使用条款。
Elastic、Elasticsearch 及相关标识是 Elasticsearch B.V. 在美国及其他国家的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。