2026 Elastic Meetup 深圳站活动，由 Elastic、腾讯、新智锦绣联合举办，现诚邀广大技术爱好者及开发者参加。
活动时间
2026年7月26日 13:30-18:00
活动地点
深圳市南山区腾讯滨海大厦北塔 3-4 楼多功能厅
特别提示
请报名成功后，进群获取访客码（应场地要求，需实名进场）。最终报名以访客码为准。
报名方式
https://elastic.huodongxing.com/event/7862628637800
活动流程
13:30-14:00 入场
14:00-15:00 主题演讲：《Elasticsearch 向量搜索及 AI Agents》
讲师：Elastic 社区首席布道师 ------ 刘晓国
现为 Elastic 社区首席布道师。新加坡国立大学硕士，西北工业大学本硕。曾就职于新加坡科技，康柏电脑，通用汽车，爱立信，诺基亚，Linaro 非营利组织 (Linux for ARM)，Ubuntu，Vantiq 等企业。从事过电脑设计，汽车电子，计算机操作系统，通信，云实时事件处理等行业。从爱立信开始，诺基亚，Ubuntu 到现在的 Elastic 从事社区工作有将近20年的经历。喜欢分享自己所学到的知识。帮助别人就是帮助自己。希望和大家一起分享及学习。欢迎大家来参阅 Elastic 官方中文博客 elasticstack.blog.csdn.net
议题介绍：
详细介绍 Elasticsearch 向量搜索及最新的进展。使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索， 使用 AI Assistant 对数据进行分析，MCP，Playground 及 使用最新的 AI agents builder 轻松地创建自己的 Agents。AI agent builder 为 agents 提供更多的上下文，从而更加快速而准确地搜索到我们想要的结果。
15:00-15:40 主题演讲：《筑基千亿，毫秒破局：腾讯云 ES 重塑 AI Search 新范式》
讲师：腾讯云 ES AI Search 负责人 --- 陈曦
议题介绍：
大模型时代 AI Search 跨入千亿级主战场，多租户资源博弈与极端性能要求已迎来正面交锋。腾讯 ES 带来破局解法：聚焦自研冷热用户分离，标量/向量融合索引，执行计划优化等核心演进。在超大规模混合检索场景下，实现业务间零干扰的安全隔离与资源的极致压榨。以毫秒级极致响应、削减 90% 内存成本与自研的技术底蕴，定义下一代高性能 AI Search 的基础设施。
15:40-16:10 茶歇+合影
16:10-16:50 主题演讲：《从 Prompt 到 Harness：Elastic 在 AI Agent 三大工程上的设计取舍》
讲师：Elastic 首席解决方案架构师 ------ 李捷
议题简介：
AI Agent 是 2026 年最热的技术潮流。Openclaw、Hermes Agent 这些开源项目让构建一个能跑的 Agent 变得前所未有的简单 ------ 但企业把 PoC 推向生产时，几乎都会撞上同一堵墙：上下文管理混乱、Prompt 执行不稳、缺乏企业级工具链。
我们会沿着行业逐渐共识的三个工程方向 ------ Prompt Engineering、Context Engineering、Harness Engineering ------ 来拆解这个问题，看每一关具体在解决什么，又为什么会成为生产环境的卡点。
分享 Elastic AI Agent Builder 在三大工程上的设计取舍：Skills 如何让 Prompt 工程化、为什么 Context Engineering 是 Elastic 的天生优势、双层 Harness 架构如何在 "统一 Agent + 跨平台协同" 之间找到平衡。
16:50-17:30 主题演讲：《AI 知识库底层架构构建：腾讯 KInfra 基于 ES 的特性应用》
讲师：腾讯科技 ima 研发中心高级工程师 ------ 王志铭
王志铭，腾讯科技 ima 研发中心高级工程师，从事 AI 知识库基础架构的研发工作。负责腾讯 ima 及 KInfra 平台的底层检索能力建设，在 Elasticsearch 的工程化落地方面积累了一线实践经验，专注 RAG 检索链路的性能优化与成本控制，对向量检索、混合检索策略及 ES 核心特性的系统性应用有深入研究。
议题介绍：
Elasticsearch 在 AI 知识库场景下的使用远不止"建索引、查向量"这么简单。选错特性、用错姿势，轻则效果打折，重则性能与成本双双失控。KInfra 在 AI 知识库落地过程中，不仅通过ES实现了多样化的检索策略，还解决了召回超时与存储成本失控，性能大幅提升。
本次分享以腾讯KInfra 的真实生产实践为线索，聚焦于如何在知识库 RAG 检索链路中系统性地理解并用好 ES 的核心特性------从特性的选型逻辑、组合方式，到参数决策背后的取舍依据。