Elasticsearch:使用 AI Agent 来创建 workflow

对于很多的开发者来说,创建一个没有错误的 workflow 是很困难的。事实上,你需要学习各种语法,并进行不断地测试。我当初创建了我第一个 workflow 也是借助了 AI 的力量才完成的。过程还是挺麻烦的。我需要不断地拷贝,粘贴并测试。自 Elastic Stack 9.5 一来,workflow 的窗口已经集成了 AI Agent。我们可以轻松地借助 AI 的力量来完成我们的设计。

在今天的练习中,我们来使用 AI 来重复之前我们设计过的一个 workflow。我们完整的设计在文章 "Elasticsearch:创建 geocoding workflow,并在 agent 中使用它进行位置搜索" 中可以看到。

我们首先打开 workflow 的界面:

点击上面的 AI Agent,并使用它来创建一个我们需要的 workflow

这个是不是有点像在 VS Code 里使用 Claude Code 来进行编程啊?很熟悉的画面。我们接下来打入我们的提示词:

复制代码
I want to create a workflow named "geocoding2". It uses google maps API to get coordinates according the provided location. Please create a http connector so that the API key can be encrypted.

我们刚开始使用一个简单的问题来让 AI Agent 来帮我们创建:

我们点击上面的 HTTP setup 按钮:

我们进入到上面配置 HTTP 连接器的页面,输入 Base URL 及 API key。然后点击 Create connector 按钮:

接下来,我们按照要求打入我们已经已经完成了 http connector 的创建:

复制代码
I have configured the http connector successfully.

我们接下来打入一个测试地点:Beijing

最后,我们让 AI Agent 帮我们创建这个 geocoding2 的 workflow:

复制代码
Please create the workflow for me

我们到 workflow 的窗口进行查看:

复制代码
version: "1"
name: geocoding2
description: Accepts a location string, calls the Google Maps Geocoding API, and returns the latitude and longitude coordinates.
enabled: true
triggers:
  - type: manual
    inputs:
      properties:
        location:
          type: string
          description: The location string to geocode (e.g. "1600 Amphitheatre Parkway, Mountain View, CA")
      required:
        - location
steps:
  - name: call_geocoding_api
    type: http
    with:
      url: https://maps.googleapis.com/maps/api/geocode/json
      method: GET
      query:
        address: "{{ inputs.location }}"
    connector-id: google-maps-geocoding-api
  - name: log_coordinates
    type: console
    with:
      message: |
        Location: {{ inputs.location }}
        Latitude: {{ steps.call_geocoding_api.output.data.results[0].geometry.location.lat }}
        Longitude: {{ steps.call_geocoding_api.output.data.results[0].geometry.location.lng }}

点击 Run:

很显然,它实现了我们想要的功能。

相关推荐
明王明王17 分钟前
从零搭建一个 AI Infra 实验室㉑:llm-d——从单个 vLLM 走向分布式推理
人工智能·ai infra
武子康19 分钟前
图片删了,为什么旧链接还能打开、后台还能生成回来?
人工智能·agent
yuanyuan3341 小时前
2026枣庄带检测报告伸缩门品牌测评|本地服务
大数据·数据库·人工智能·伸缩门
无所畏俱的老尹1 小时前
Agent 落地为什么需要影子对照:同输入只读双跑、写动作变提案、差异报警,比直接切全量更安全
人工智能·机器学习·云计算·aigc·devops
AR-26710-2 小时前
Linux Day32——实操五类资源告急排查
linux·运维
神鹰手哥_起飞版2 小时前
深度研判任务里,开思考、换更强的模型、套方法论,哪个更有用?
人工智能
ObserverX212 小时前
我是如何用 13KB 纯 Python,发现本地 RAG 的“隐式递归记忆”的
人工智能
Jason_gao9992 小时前
Github Copilot 新手极速上手指南
人工智能·github·copilot
用户360055579002 小时前
Kestrel_VLLM - 35 · 把 m 循环搬进内核:一次「先量发射、再合并发射」的完整回合
人工智能
Linye2 小时前
为什么让 AI 修个小 Bug 却把底层全重写了?聊聊 Coding Agent 的最小修改边界
人工智能·架构