使用 Elasticsearch 和 Red Hat OpenShift AI 提升工作流程效率

作者：来自 Elastic Amy Ghate

Elastic 与 Red Hat 合作，在经过验证的模式上，通过 RAG 驱动的搜索提升金融分析师的工作流程。

我们很高兴地分享，Elastic 与 Red Hat 携手合作，创建了经过验证的模式，将 Elasticsearch 的生成式 AI （ GenAI ）和向量搜索能力与 Red Hat OpenShift AI 集成。这一集成可以在本地或 IBM Cloud 上的加速硬件上运行，用于支持检索增强生成（retrieval augmented generation - RAG ）解决方案。

Elasticsearch + Red Hat 验证模式

Red Hat 验证模式通过基于 GitOps 的框架，帮助用户在混合云中部署应用程序。在第一个验证模式“通过 Elasticsearch 提升金融分析师效率的 RAG 驱动搜索”中，Elasticsearch 是架构核心的向量数据库。它支持混合搜索 —— 结合词汇和语义技术 —— 确保只有最相关、最具上下文的文档被传递给大语言模型（large language models - LLMs ）。

这提升了 GenAI 应用生成响应的质量、准确性和效率。Red Hat OpenShift AI 提供企业级的容器编排和 DevSecOps 能力，支持大规模运行 AI 工作负载。在这个模式中，Elastic 通过 Elastic Cloud on Kubernetes（ ECK ）在 OpenShift 上运行，ECK 包含一个 operator，用于简化 Elastic 集群的部署和维护。

快速上手

Elastic 与 Red Hat 的合作体现了双方致力于帮助企业高效、有效地部署生成式 AI。你可以现在就探索双方联合开发的解决方案模式 —— 一个基于 Elastic 和 OpenShift 的生产就绪 RAG 架构，现已在 Red Hat Ecosystem Catalog 上提供。

了解更多：

• 阅读：Get Set, Build：由 Elasticsearch 向量数据库驱动的 Red Hat OpenShift AI 应用
• 访问 Elasticsearch Labs，获取面向实践者的 Elasticsearch 向量数据库相关内容。

本文中描述的任何功能或特性，其发布时间和发布与否完全由 Elastic 自行决定。目前尚未提供的任何功能或特性可能不会按时发布，甚至可能不会发布。

原文：Elasticsearch vector database and Red Hat OpenShift AI | Elastic Blog