云栖实录｜阿里云AI搜索系列产品全新发布 - 新引擎

作者：阿里云计算平台AI搜索产品负责人 汤祯捷

2026 年云栖大会，成为过去十年最为火爆的科技盛会。而在 AI 搜索分论坛上，一个共识被反复提及：AI大模型解决了"理解与生成"，但没有解决"在正确的时刻搜索到正确的信息"。

当 Agent 从单轮问答走向长任务执行，搜索的角色发生了根本变化——它不再是一个供人浏览的结果页，而是 Agent 上下文工程的供给系统。上下文是否准确、完整、可溯源，直接决定 Agent 后续的推理与行动质量。

围绕这一变化，阿里云 AI Search 产品线在本届云栖大会集中发布两条主线产品能力：

两者一底一顶：阿里云Elasticsearch 可提供可承载亿级租户、千亿向量的上下文存储与检索底座；阿里云OpenSearch - AgenticSearch 在其上构建可运行、可记忆、可治理、可持续进化的AI搜索智能体生态。

在 Agentic Coding、企业知识问答、Agent 记忆等场景中，检索的目标不是"塞入更多代码或文档"，而是在有限 Token 预算内找到完成任务所需的最小充分上下文。这给搜索引擎带来了三个与传统企业搜索完全不同的约束：

约束一：租户规模从"千级索引"跃升到"亿级业务空间"。 一个 AI Coding 平台要为数百万代码库分别提供隔离检索；一个企业知识库产品要为数百万 Agent 分别维护记忆空间。传统"一个租户一个索引"的建模方式在此彻底失效。

约束二：数据冷热分布极端化。 活跃工作区需要持续、低延迟地获取上下文；海量低频代码库与沉睡 Agent 记忆则需要低成本长期保存，并在再次访问时及时响应。为冷数据长期占用高性能介质，在商业上不可持续。

约束三：成本与延迟同时敏感。 检索会贯穿一次开发任务的多轮交互，单次查询的延迟与成本会被交互轮次放大，直接影响整体体验与服务毛利。

阿里云 Elasticsearch 本届云栖发布的 ES Agent 引擎版，以及围绕它的自研内核、存算分离、湖上检索、日志全链路四项引擎能力，正是对上述三个约束的系统性回答。

面向 RAG检索增强、AI Coding、Agent 记忆与多租户搜索场景的云原生搜索引擎。基于对象存储的无状态多租户搜索方案，支持全文与向量混合检索，可扩展至亿级租户、千亿级向量，成本只与活跃数据线性相关，并完全兼容 Elasticsearch 生态。

引擎将索引数据、写入日志与集群状态统一保存在对象存储（OpenStore）中，持久性不低于 11 个 9，计算节点无本地持久状态。计算层拆分为两类可独立扩缩的节点：

由此带来三项工程收益：写入与查询资源互不干扰地独立扩展；节点故障秒级恢复——新节点直接从对象存储恢复，无需完整数据搬迁；按需缓存——热数据本地缓存毫秒级响应，冷数据按需从对象存储加载，非活跃数据不再产生计算成本。

这是 Agent 引擎版最关键的建模创新：

读写时指定 Collection 名称并通过 Slice 标识业务空间，底层索引与分片由平台自动管理，应用无需维护底层索引名称。其带来的直接效果是：

Agent 引擎版采用 DiskBBQ 作为向量检索算法，通过分层 K-means 聚簇 + BBQ 量化，实现 IO 可预测的 kNN 查询：

完整兼容 Elasticsearch 生态：REST API、Query DSL、kNN、过滤与聚合，支持官方 Python / Java / Go / JS 客户端及 Kibana。计费采用Elasticsearch PaaS 模式，计算与存储解耦：

该产品尤其适合企业客户AI应用场景：法律、金融、医疗等垂域头部知识库，AI Coding 代码检索，超大型企业内部文档检索——数据量足够大、租户数量足够多、数据天然带冷热的场景，是 Agent 引擎版价值最大化的区间。

当数据规模飙升至千亿级、并发达到高 QPS 时，传统Java JVM 查询链路的执行开销会不断放大，逐渐成为系统性能瓶颈。FalconSeek 通过 C++ Native 内核接管查询执行、重构公共热路径，精准攻克这一瓶颈。

FalconSeek 是专为加速查询与千亿向量检索而生的云原生C++引擎内核。它的核心思路不是替换 Elasticsearch，而是 在完整保留 ES 兼容入口的前提下，将查询热路径下沉到阿里自研的高性能 C Native 检索内核 ——包括倒排遍历、列式读取、排序聚合与向量召回。

这一设计选择的意义在于：客户无需重写查询、无需更换客户端、无需重构生态，即可获得数量级的性能跃迁。

这些优化不仅缩短延迟，更直接转化为降本红利：在满足相同 QPS 目标下，集群可缩减节点数量或降低规格；在资源不变时，则可承载数倍并发。

标杆案例：头部大模型平台应用ES - 900 亿向量全量查询，QPS 3000+，单查询秒级返回，支持 10 万聚类的分类查询。

当图片、视频、文本和向量在 Apache Paimon 中增长到 PB 级，传统"同步到湖外再建索引"的方式会让搜索面临三重困境：数据就绪慢、事实数据成本高和版本治理复杂。

阿里云 Elasticsearch 9.4 Lake Search 直接挂载与 Paimon 表版本关联的 Global Index，在不复制事实数据的前提下，提供 BM25、kNN、结构化过滤、排序与聚合能力，实现高性价比的 Paimon × Elasticsearch 湖仓检索——从"原始数据共享"进化到"索引共享"。

从存算一体到存算分离，阿里云 Elasticsearch 采用同一套存储架构 OpenStore，针对日志与检索场景分别以 OSS / DFS 作为底层支持。结合智能多级缓存，实现资源池化、Serverless 弹性与存算分离。

本届云栖发布 Serverless 弹性扩缩容能力，包含两种形态：

产品优势：资源池化、Serverless 弹性、存算分离后，结合 FalconSeek 实现相比用户自建 30% 以上的资源节约。

标杆案例：DFS 场景互联网头部客户应用，变更速度提升 100 倍，存储降本 40%。

阿里云 Elasticsearch 新版本推出日志采集与加工服务，将多源接入、流量缓冲、数据加工与可靠投递整合为云上托管能力，并与已有的写入优化、低成本存储、高性能查询能力形成完整链路。

端到端方案覆盖三段：

第三段是本届发布的重点方向：使用ES Agent 可智能运维完成告警根因定位、容量规划与慢查询优化时，可观测数据的检索质量直接决定诊断质量。

ES AI领域 首先全新发布 Agentic ES + Agentic Context 产品组合，我们希望让企业知识与经验，成为 Agent 可持续复用的能力。企业已经积累了大量文档、数据和工作方法，但要让 Agent在真实业务中持续使用这些资产，还需要把可扩展的检索基础设施，与上下文的组织、维护和供给连接起来。

Agentic ES 是 Agent引擎版的产品扩展形态，面向 Agent 提供检索基础设施，通过 Collection 统一接入，使用 Slice 划分业务空间；在存算分离架构下，用 OSS 做持久存储，用内存和 SSD 缓存热点。同时，全文、向量和结构化查询，以及原生权限，为上层按业务需要获取信息提供支撑。这里介绍的是能力分工，不把某个客户案例的性能或成本结果扩展为所有场景的承诺。

AgenticContext是基于Elasticsearch企业上下文引擎。它统一组织知识库、记忆、技能和智能语义，根据当前任务选路，通过多路召回和融合重排供给上下文。记忆沉淀事实、偏好与经历，技能沉淀可复用的行动方法，两类资产承担不同职责。来源、版本与权限帮助使用者核对依据，并在授权范围内复用企业经验。

Agentic ES 检索底座可支撑海量Agent上下文的获取，Context上下文引擎组织与供给信息，Agent 在任务中使用，并将反馈带回校准、评测和资产维护。通过 Plugin、Skill、MCP 或 REST API接入，这个组合把一次任务的知识使用，与后续任务的经验复用连接起来。

ES AI领域的另一个发布是阿里云 ES Agent智能助手，把集群健康巡检、故障诊断、性能优化和使用咨询放到统一的自然语言交互入口中。可以应用于四个场景对应用户最常见的运维需求，这些能力如何由集群信息、模型分析和运维经验共同支撑。

从底部的探测层向上看。Elasticsearch Agent 支持获取日志、配置、监控、事件和告警构成分析所需的运行信息。分析层连接 AI搜索开放平台、阿里云百炼平台以及自定义和其他模型，为诊断提供分析能力。既包含平台，也包含模型，分别承担接入与分析支撑的角色。洞察层进一步把分析组织成诊断任务。Agents负责任务编排，Tools 提供指标采集、日志检索和 MCP 调用，Skills则承载沉淀下来的运维经验与标准流程。三者结合，使诊断过程能够围绕具体问题调用工具，并参考已有的方法与经验，而不是只给出一段通用解释。

从 Agent 基础设施到 AI 信息检索，下一篇介绍 AI搜索新范式 - AgenticSearch 在此交汇。

阿里云 AgenticSearch: https://help.aliyun.com/zh/open-search/search-platform/product-overview/agentic-search-ai-driven-next-generation-enterprise-search

阿里云 ES 免费试用：https://free.aliyun.com/?spm=5176.14058969.J_3759233040.1.1c5069afFW3p4q&productCode=elasticsearch

欢迎钉钉扫码入群：