在人工智能，特别是大语言模型（LLM）与智能体（Agent）技术迅猛发展的浪潮下，产品的定义、研发模式与商业范式正在经历一场深刻的“智能重构”。这不仅是功能的叠加，更是从产品战略、用户体验到研发效能、商业增长的全链路、系统性变革。这股由大语言模型（LLM）与智能体（Agent）掀起的巨浪，正无情地拷问着我们：当用户习惯与AI对话，我们的交互是否已经过时？当竞争对手用AI实现10倍速研发，我们的效率瓶颈如何打破？当新的商业模式在智能中诞生，我们企业的增长曲线又在何方？这不再是“数字化”的线性延伸，而是通往“智能化”的生死跃迁。
与其独自迷航，不如与时代先行者同行。为此，由备受赞誉的AiDD峰会组委会和K+峰会组委会联合发起的“AI+产品创新峰会”，旨在以AI为引擎，以产品为载体，打通从技术创新到商业落地的全链路 ，探索“AI+产品”的融合范式，形成从战略思考到技术实现，从产品创新到商业成功的完整闭环。大会地址：https://www.aidd.vip/2026pm-sh

Elastic 社区首席布道师刘晓国将出席大会，并作出精彩演讲。也欢迎大家莅临 Elastic 展位咨询、交流。

上海明捷万丽酒店

主题演讲：《Elasticsearch 向量搜索及 AI Agents 开发》

讲师：Elastic 社区首席布道师 — 刘晓国

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 https://elasticstack.blog.csdn.net/

主题演讲:

详细介绍 Elasticsearch 向量搜索及最新的进展。使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索。 

Elasticsearch 是全球应用最为广泛的搜索引擎。随着人工智能发展，Elasticsearch 也开发了向量搜索（密集向量及稀疏向量）来提供语义搜索。更为重要的是 Elasticsearch 提供混合搜索（BM25，向量）的能力。Elastic 的混合搜索结合了传统基于关键词的搜索（语法灵活性、关键词精确性和相关性评分）与向量相似性搜索的语义理解，并提供多种重新排序技术。这种协同能够带来高度相关的结果，让查询在定位内容时可以更加细致。使用能够提供分布式搜索、检索和重新排序的数据平台作为主要上下文检索引擎非常有意义。你可以使用高级查询语法加入主观意图这个缺失的组件，并过滤掉可能分散注意力或降低返回上下文信息价值的内容。本议题将使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索。

在最新的 Elastic 发布中，Elastic 发布了 AI Agent 构造器。它让开发者在几分钟内轻松地创建自己的 Agents。我们可以通过聊天（自然语言）的方式查询数据，关联多个数据，并对它们进行分析。它被构建用于与存储在 Elastic 中的数据对话。Agent Builder 提供一个聊天界面，使用户能够在 Kibana 中创建和管理自己的 agents 和工具。它内置 MCP 和 A2A 服务器、可编程 APIs，以及一组预构建的系统工具，用于查询和探索 Elasticsearch 索引，并从自然语言生成 ES|QL 查询。Agent Builder 允许你创建自定义工具，通过富表达性的 ES|QL 查询语法来定向并塑造返回给 agent 的上下文数据。Elasticsearch 强大的 的聚合，过滤，分析及混合搜索为现代 agents 的构造提供丰富的上下文，从而让搜索能得到更快，更为精准的结果。

提纲

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）
   - 向量搜索 Demo

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. 智能体开发
   - 为什么需要上下文工程？
   - 基于 Langchain 的 ES Agent 搜索 
   - 运用 MCP 开发 agents 应用 
   - Agent builder 介绍
   - 在 ES 中运用 A2A 及 MCP 构建多 agents 应用
   - Demo