作者： 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。

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）：

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 “,

 "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：

然后，执行多语言 semantic search：

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

• 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 。

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。