会议时间

会议地点

北京丽都皇冠假日酒店

主题演讲：《Elasticsearch - AI 驱动的搜索引擎》

个人简介：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。从事过嵌入式软件开发，电脑设计，手机软件设计，汽车电子，计算机操作系统，通信，云实时事件处理等行业。欢迎大家来参阅 Elastic 官方中文博客 

演讲摘要:

传统的纯词汇搜索不能满足当今时代的需求，特别是在这个智能的时代。当代企业针对搜索提出语义搜索，也就是根据文字的语义来进行搜索，而不是简单的词汇匹配。另外，企业也针对图片，语音及视频等非文本数据搜索提出了要求。Elasticsearch 自 8.0 起，开始提供向量搜索（密集向量，稀疏向量）功能。它可以完美地解决文字语义搜索及多媒体数据的搜索需求。此外，向量搜索也并非完美，特别是针对文字搜索。Elastic 可以使用混合搜索（词汇搜索，密集向量，稀疏）进行多路召回并对最终结果进行排名。这种方法可以提供搜索的提高精度及召回率。在人工智能发展的今天，结合大模型，使用 GenAI 来针对搜索结果进行推理。由于企业数据或私有数据在每时每刻都在生成。大模型在缺乏上下文的情况下使用大模型来进行推理，在很多的时候会产生幻觉，因为这些知识不存在于大模型中。结合 Elasticsearch 的向量搜索技术针对企业数据或私有数据进行搜索，把搜索结果作为上下文提供给大模型，从而消除幻觉。这种技术也被称作为 RAG（检索增强生成）.本议题将详细介绍 Elasticsearch 的向量搜索技术及如何使用它进行 RAG 的应用开发。

演讲提纲

• 智能时代的搜索需求

• Elasticsearch 向量搜索

• RAG 实现原理

• Elasticsearch 在向量搜索上的最新进展

• 使用 Elasticsearch 在企业搜索中的案例分享

1. 智能时代的搜索需求

• 对语义搜索的需求，而不是简单的词汇匹配

• 对多媒体数据的搜索，比如图片，声音及视频

• 非结构化数据的搜索

• 向量搜索带来的新的解决方案

2. Elasticsearch 向量搜索介绍

• 向量搜索原理

• 向量搜索种类（密集向量，稀疏向量）

• 混合搜索介绍（多路召回，综合评分）

• Elasticsearch 在向量搜索上的最新进展

3. RAG 实现原理

• 如何使得大模型变得更聪明

• RAG 的实现方法

4. 使用 Elasticsearch 在企业搜索中的案例分享

• 高级 RAG 案例分享

• Agentic RAG 案例分享

本活动链接仅为活动展示

Elastic 不提供大会门票