当前位置: 首页 > web >正文

App Search 和 Workplace Search 独立产品现已弃用

作者:来自 Elastic The Search Product Team

App Search 和 Workplace Search 的核心功能已集成到 Elasticsearch 和 Kibana 中。

我们宣布在 9.0 版本中弃用 App Search 和 Workplace Search。

如果你是 Elastic 的客户,当前正在使用 App Search 和 Workplace Search 产品,不需要着急迁移。这些产品仍然在所有最新的 8.x 版本中可用,并将在 EOL 公告后继续支持 27 个月。

这些产品最初的设计目的是为了简化基于 Elasticsearch 构建应用和企业搜索的体验,提供简化的 API、管理界面以及在 Elasticsearch 之外实现的连接器层。虽然这种方式在很多方面取得了成功,但由于构建在 Elasticsearch 之外,它们的灵活性和能力受到了限制,用户无法直接在大规模上查询 Elasticsearch。

此外,在这些简化体验中引入语义搜索或向量搜索也很困难。因此,在过去的 12–18 个月里,我们专注于将许多简化的 API 和体验直接引入 Elasticsearch。这包括同义词(synonym)和查询规则(query rule)管理、新的 semantic_text 字段类型等,使添加向量搜索和语义搜索变得更加简单。

虽然目前没有立即迁移的必要,但如果你正在使用 App Search 或 Workplace Search,现在是考虑直接迁移到 Elasticsearch 并利用我们新的 Serverless 产品优势的最佳时机。为了获得最佳相关性,现在开始使用语义或向量搜索比以往任何时候都更容易。

面向企业级规模的搜索

Elastic Cloud Serverless 架构为你提供所需的性能,同时实现搜索与摄取负载的分离。

像 SAP Concur这样的客户指出,Elasticsearch Serverless 易于使用、设置简单、具备自动扩展能力,是他们团队采纳该产品的关键因素。

连接你的数据

当你将组织的数据接入 Elasticsearch 时,你可以进行检索、分析和构建任何内容。

我们提供丰富的语言客户端库(Java、.NET、Python、Go 等),可大规模摄取各种格式和规模的数据。你可以通过轻量级爬虫(crawler)引入私有内网 HTML 和团队 wiki,或者通过自管理连接器和全面的集成目录连接来自 30 多个第三方系统的数据。此外,你还可以自定义连接器以适配你的专属数据源,或直接上传文件。

一旦你的数据进入 Elasticsearch,你就离构建你的第一个 Agent 只差一步。

AI 驱动的相关性

在添加语义搜索或向量搜索时,我们提供开箱即用的 ELSER 英文稀疏向量模型和 E5 多语言密集向量模型选项。若需进行语义重排序,我们还提供 Elastic Rerank 交叉编码器重排序模型。该模型特别适合希望在不重新索引或修改数据管道的情况下提升相关性的场景。

通过使用我们的 Open Inference API,开发者可以直接从 OpenAI、JinaAI、阿里云 AI 等机器学习和大模型提供商的生态中存储内容的 embedding 或摘要。

对于低代码使用这些强大 AI 能力的需求,我们提供开箱即用的 Playground 和捆绑的 Search AI Assistant,帮助快速获取文档、指南和资源,从而简化构建第一个 Agent 的过程。

你可以充分利用 _search 的全部功能来构建独特而强大的工作流,同时我们也为用户提供了一种全新的搜索方式。ES|QL 是我们为全文和语义搜索打造的简单却强大的查询语言,现在已可在 Discover 中使用。

用一句简单的语句就能找到来自特定部门的员工。

// join employees with their department name
FROM employees
| LOOKUP JOIN departments ON dep_id
| KEEP last_name, first_name, dep_name

Elasticsearch 的能力只受限于你的想象。把你的数据带来,其余的交给我们。更多有关 ES|QL 的阅读,请参考 “Elastic:开发者上手指南” 中的 “Elasticsearch SQL/ESQL” 章节。

本文中所描述的任何功能或特性的发布和时间安排完全由 Elastic 自行决定。当前尚未提供的任何功能可能不会按时发布,甚至可能不会发布。

在本博文中,我们可能使用或提及了第三方生成式 AI 工具,这些工具由其各自的所有者拥有并运营。Elastic 无法控制这些第三方工具,对其内容、运行或使用不承担任何责任,也不对你使用这些工具可能导致的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时,请务必谨慎。你提交的任何数据都可能被用于 AI 训练或其他目的。无法保证你提供的信息会被安全或保密地处理。在使用任何生成式 AI 工具之前,你应熟悉其隐私政策和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 及相关标志是 Elasticsearch N.V. 在美国及其他国家的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文:App Search and Workplace Search standalone products are now deprecated | Elastic Blog

http://www.xdnf.cn/news/12666.html

相关文章:

  • Cursor实现用excel数据填充word模版的方法
  • Fetch与Axios:区别、联系、优缺点及使用差异
  • 使用 C/C++ 和 OpenCV 提取图像的感兴趣区域 (ROI)
  • vue3+dify从零手撸AI对话系统
  • JavaWeb的一些基础技术
  • 在Ubuntu上使用 dd 工具制作U盘启动盘
  • 使用Transformer模型进行时间序列预测的完整解决方案,满足预测误差≤1.5%和注意力权重可视化的要求
  • GitHub 趋势日报 (2025年06月06日)
  • 2025年- H76-Lc184--55.跳跃游戏(贪心)--Java版
  • 有没有 MariaDB 5.5.56 对应 MySQL CONNECTION_CONTROL 插件
  • 信息最大化(Information Maximization)
  • Go语言进阶④:Go的数据结构和Java的有啥不一样
  • 光学字符识别(OCR)理论概述与实践教程
  • 动目标显示处理解析一(脉冲对消器)
  • Ubuntu 配置使用 zsh + 插件配置 + oh-my-zsh 美化过程
  • 前沿论文汇总(机器学习/深度学习/大模型/搜广推/自然语言处理)
  • 数据类型 -- 字符
  • SQL字符串截取函数全解析:LEFT、RIGHT、SUBSTRING 实战指南
  • 如何使用Jmeter进行压力测试?
  • MySQL-运维篇
  • 隐私计算时代B端页面安全设计:数据脱敏与权限体系升级路径
  • 数据结构算法(C语言)
  • 新能源汽车热管理核心技术解析:冬季续航提升40%的行业方案
  • 开源之夏·西安电子科技大学站精彩回顾:OpenTiny开源技术下沉校园,点燃高校开发者技术热情
  • 华为云Astro中服务编排、自定义模型,页面表格之间有什么关系?如何连接起来?如何操作?
  • 【第七篇】 SpringBoot项目的热部署
  • Mac 安装git心路历程(心累版)
  • Mysql批处理写入数据库
  • 虚幻基础:角色旋转
  • IEC 61347-1:2015 灯控制装置安全通用要求详解