如何在 Elasticsearch 中构建你的智能 AI 助手？
随着微服务、容器化和云原生架构的发展，系统日志量呈指数增长。传统人工排查和固定规则告警方式已难以应对，导致日志查不准、异常发现慢等问题，影响系统稳定性和运维效率。本文介绍如何基于 Elasticsearch 构建具备自然语言理解、异常检测和安全威胁识别能力的智能运维 AI 助手，帮助将 Elasticsearch 从“日志仓库”升级为“智能决策中枢”，提升运维智能化水平与操作效率。
如何在 Elasticsearch 中构建你的智能 AI 助手？
本文将带你探索一种全新的思路：如何基于 Elasticsearch 快速构建一个具备自然语言理解能力、异常检测和安全威胁识别能力的智能运维 AI 助手 。文章会围绕实际部署流程、关键技术点和典型应用场景展开，帮助你把 Elasticsearch 从“日志仓库”升级为“智能决策中枢”。
AI 搜索 MCP 最佳实践
本文介绍了如何通过 MCP 协议，快速调用阿里云 OpenSearch 、ElasticSearch 等工具，帮助企业快速集成工具链、降低开发复杂度、提升业务效率。
Elasticsearch(es)在Windows系统上的安装与部署(含Kibana)
Kibana 是 Elastic Stack（原 ELK Stack）中的核心数据可视化工具，主要与 Elasticsearch 配合使用，提供强大的数据探索、分析和展示功能。elasticsearch安装在windows上一般是zip文件，解压到对应目录。文件，elasticsearch8.x以上版本是自动开启安全认证的。kibana安装在windows上一般是zip文件，解压到对应目录。elasticsearch的默认端口是9200，访问。默认用户是elastic，密码需要重置。
使用 LangChain + Higress + Elasticsearch 构建 RAG 应用
本文介绍了如何利用LangChain、Higress和Elasticsearch快速构建RAG（检索增强生成）应用，实现企业知识的智能检索与问答。首先通过LangChain解析Markdown文档并写入Elasticsearch，接着部署Higress AI网关并配置ai-search插件以整合私有知识库与在线搜索功能。最后，通过实际案例展示了RAG查询流程及结果更新机制，确保内容准确性和时效性。文章还提供了相关参考资料以便进一步学习。
