Elastic：DevRel 通讯 — 2026 年 1 月

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）：

PUT inventory
{
 "mappings": {
   "properties": {
     "item": {
       "type": "semantic_text",
       "inference_id": ".jina-embeddings-v3"
     }
   }
 }
}

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：

PUT _inference/text_embedding/jina_embeddings 
{
    "service": "jinaai",
    "service_settings": {
        "api_key": "${JINA_API_KEY}", 
        "model_id": "jina-embeddings-v3"
    }
}

你需要在 https://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：

POST inventory/_bulk?refresh=true
{ "index": { } }
{ "item": "cherries 🍒" }
{ "index": { } }
{ "item": "train 🚆" }
{ "index": { } }
{ "item": "bananas 🍌" }
{ "index": { } }
{ "item": "computer 💻" }
{ "index": { } }
{ "item": "apple 🍎" }
{ "index": { } }
{ "item": "framboises 🍓" }
{ "index": { } }
{ "item": "der Apfel 🍏" }
{ "index": { } }
{ "item": "tomato 🍅" }
{ "index": { } }
{ "item": "das Auto 🚗" }
{ "index": { } }
{ "item": "bicycle 🚲" }
{ "index": { } }
{ "item": "naranjas 🍊" }

然后，执行多语言 semantic search：

POST inventory/_search
{
 "query": {
   "match": {
     // stands for "fruit" in Spanish
     "item": "frutas"
   }
 }
}

返回的结果包括 cherries、naranjas、bananas、framboises、apple、der Apfel 和 tomato：

 "hits": {
   "total": {
     "value": 11,
     "relation": "eq"
   },
   "max_score": 0.67841315,
   "hits": [
     {
       "_index": "inventory",
       "_id": "8EtNK5sBRerpcHC7zVrq",
       "_score": 0.67841315,
       "_source": {
         "item": "cherries 🍒"
       }
     },
     {
       "_index": "inventory",
       "_id": "-ktNK5sBRerpcHC7zVrr",
       "_score": 0.63476694,
       "_source": {
         "item": "naranjas 🍊"
       }
     },
   
  {
       "_index": "inventory",
       "_id": "8ktNK5sBRerpcHC7zVrr",
       "_score": 0.6138144,
       "_source": {
         "item": "bananas 🍌"
       }
     },
     // more results

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：

• Jina embeddings v3

• Jina Reranker v3

• Jina Reader

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。

原文：https://www.elastic.co/blog/devrel-newsletter-january-2026