近日，极限数据（北京）科技有限公司（简称：极限科技）与超聚变数字技术股份有限公司（简称：[超聚变](https://www.xfusion.com/cn)）完成产品兼容性互认证。极限科技旗下 [INFINI Easysearch](https://easysearch.cn/) 搜索引擎软件、[INFINI Gateway](https://docs.infinilabs.com/gateway) 极限网关软件、[INFINI Console](https://docs.infinilabs.com/console/) 极限控制台管理系统、[Coco AI](https://coco.rs/) 智能搜索软件，与超聚变服务器操作系统 FusionOS 26，基于 X86、ARM 双架构完成严格的兼容性测试验证，并形成双方盖章确认的技术认证。


本次认证经过双方联合严格测试，验证结果显示，极限科技四款产品在 FusionOS 26 操作系统环境下功能运行正常、性能表现稳定，可完美适配 X86、ARM 主流国产化硬件架构，能够满足政企、金融、能源、政务等多行业场景下，海量数据检索、数据网关调度、集群运维管理、AI 智能检索等业务落地需求。

作为国产分布式搜索与智能检索领域核心厂商，极限科技打造的 INFINI 系列产品与 Coco AI，是面向海量数据场景的国产化基础软件，可作为 Elasticsearch 的国产化替代方案，广泛应用于日志检索、业务搜索、数据中台、智能问答等场景。超聚变 FusionOS 26 是面向服务器场景的国产企业级操作系统，支持多架构算力，具备高可靠、高性能、安全可信的特性，是信创基础设施中的核心底座之一。

此次全系列产品与超聚变 FusionOS 26 完成双架构适配认证，标志着极限科技产品在国产算力底座上的适配能力进一步完善，丰富了信创软硬件生态组合方案。后续双方将持续深化技术协同与生态合作，联合打造稳定成熟的国产化数据检索与智能应用解决方案，助力各行业数字化、信创化转型落地。

8月20–22日，第17届中国数据库技术大会（DTCC 2026）在北京朗丽兹西山花园酒店举行。本届大会由 IT168 联合 ITPUB 主办，以“融数聚智 创领未来”为主题，汇聚众多数据库领域专家、技术从业者与企业代表，围绕数据库内核、云原生、AI、向量数据库、实时数仓、分布式数据库及行业实践等热点展开深入交流。

在8月21日下午的【向量数据库技术实践】专场，极限科技 CEO 曾勇带来主题分享《从国产替代到自主创新：Easysearch 在搜索引擎领域的信创实践》，从 AI 时代搜索引擎的新定位出发，系统分享搜索引擎国产化面临的关键挑战，以及 [Easysearch](https://easysearch.cn/) 在兼容迁移、企业级能力、信创适配、安全容灾和 AI 搜索等方面的实践探索。


一、AI 时代，搜索引擎正在从“工具”走向“基础设施”

过去，搜索引擎主要承担“找到信息”的任务，以关键词匹配、倒排索引、全文检索和 BM25 等技术为核心，服务于企业文档搜索、网站搜索、日志检索和数据查询等场景。

而随着大模型、RAG 和 Agent 快速发展，搜索正在发生新的变化。

从“匹配字面”走向“理解语义”，从“返回结果”走向“辅助决策”，搜索引擎正在成为连接企业数据与 AI 能力的重要基础设施。


在曾勇的分享中，他将这一变化概括为：

从“找信息”走向“用知识”。

如今，企业知识库、智能客服、运维诊断助手、合规审查，以及多模态搜索、Agent 自主搜索等应用，都离不开高质量的检索能力。搜索引擎也因此成为 RAG 和 Agent 获取知识、理解上下文的重要底座。

这也意味着，搜索引擎一旦从普通工具升级为企业 AI 基础设施，其稳定性、安全性以及自主可控能力的重要性将进一步提升。

二、国产替代，不能只是“换一个引擎”

随着信创建设持续深入，国产化正在从基础设施和外围系统逐步进入核心业务与数据基础设施领域。

在曾勇看来，搜索引擎国产化并不是简单完成一次产品替换，而是一项涉及业务连续性、数据迁移、技术自主、安全合规和长期演进能力的系统工程。


因此，在进行搜索引擎国产化选型时，至少需要重点关注五个方面：

• 自主可控：核心引擎和关键技术是否真正掌握在自己手中；
  
• 企业级稳定性：能否支撑 TB/PB 级数据、高并发和 7×24 小时稳定运行；
  
• 信创真实适配：能否真正适配国产 CPU、操作系统等基础环境；
  
• 安全治理能力：权限、审计、加密、脱敏等能力是否能够内建；
  
• 长期演进能力：能否持续支撑向量检索、AI 搜索、多模态搜索等未来需求。
  
  归根结底，企业选择的并不仅仅是一套搜索软件，而是未来数年持续承载企业数据和 AI 应用的技术底座。
  
  

  三、从“敢替”到“好用”，Easysearch 持续构建企业级搜索底座
  

  
  围绕企业国产化过程中最关心的“怎么替、怎么迁、怎么回退、谁来服务、如何运维”等问题，极限科技持续围绕 [Easysearch](https://easysearch.cn/) 完善从搜索引擎内核到企业级平台的完整能力体系。
  
  作为企业级分布式搜索型数据库，[Easysearch](https://easysearch.cn/) 支持非结构化数据检索、全文检索、向量检索、地理位置查询、组合索引查询、多语种搜索和聚合分析，并提供企业级安全与管理能力。
  
  
  
  1. 兼容生态，让迁移更平滑
  
  对于已经大规模使用 Elasticsearch 的企业而言，迁移成本往往是国产替代过程中最现实的问题之一。
  
  针对这一挑战，Easysearch 持续强化兼容能力，覆盖 REST API、Java/Python/Go/Node.js SDK、Query DSL，以及 ES 6.x/7.x/8.x 数据读写，并兼容 Kibana、Logstash、Beats、Filebeat 等常见生态工具。同时针对龙芯、鲲鹏、飞腾以及麒麟、统信 UOS 等国产软硬件环境开展适配。
  
  这意味着企业在推进国产化时，可以尽可能复用现有应用、技术栈和运维经验，降低迁移改造成本。
  
  2. 企业级能力，让国产搜索真正“好用”
  
  国产化的终点并不是“能够运行”，而是能够真正支撑企业核心生产业务。
  
  Easysearch 从内核层面持续补齐企业级能力，包括 TLS 加密、RBAC/ABAC 权限控制、字段级脱敏、LDAP/AD 认证、IP 黑白名单、防暴力破解、磁盘及快照加密、限流限速、审计日志、文档级权限以及国密算法等能力。
  
  在安全与容灾方面，Easysearch 支持 SM2、SM3、SM4 国密算法，并提供全量/增量 Snapshot 备份、备份文件加密、跨集群复制以及跨机房部署等能力，为金融、政务等高安全、高可靠场景提供基础支撑。
  
  

  四、从全文检索到向量检索，为 AI 应用打好搜索底座
  

  
  AI 时代，搜索引擎需要解决的不再只是“关键词能不能搜到”，还需要理解数据背后的语义。
  
  Easysearch 已将全文检索、向量检索与混合搜索能力统一在同一引擎中，支持 kNN 向量检索、HNSW/LSH 等向量索引方式，并支持 BM25 全文检索与向量相似度的双路召回和融合排序。
  
  
  
  通过统一搜索引擎承载全文、向量和混合检索，可以减少企业额外部署独立向量数据库带来的架构复杂度与运维成本，并进一步支撑语义搜索、RAG、Agent 长期记忆、企业知识库和多模态检索等场景。
  
  这也是 Easysearch 从传统搜索基础设施向 AI Search Infra 演进的重要一步。
  
  

  五、立足自主研发，持续深耕搜索基础设施创新
  

  
  本次 DTCC 2026 的技术分享，是极限科技对国产搜索信创实践的一次集中输出。未来，极限科技将继续坚持自主创新路线，以 Easysearch 为基础，进一步完善企业级搜索、向量检索、AI 搜索和自主可控能力，推动搜索基础设施从“国产替代”走向“自主创新”，为企业数智化与 AI 应用发展构建更加安全、稳定、开放、可持续的搜索技术底座。
  
  

  PPT 下载：<https://searchkit.cn/slides/348>;

1. Instacart 重磅实锤：Elasticsearch 2026 年将「凉凉」？细思极恐的未来走向！（需要梯子）  
https://medium.com/%40kanishks ... f9a83

2. TryHackMe 深度实践：用 Elastic Stack 搭建 SOC 实验室，全流程手把手教学！（需要梯子）  
https://medium.com/%40shreyat1 ... fc957

3. 踩坑实录：Elasticsearch 狂加节点，为何磁盘空间却丝毫不减？深入剖析！（需要梯子）  
https://medium.com/%40prachy.p ... 25484

4. TryHackMe 启蒙课：Elastic Stack 核心基础，小白快速上手指南！（需要梯子）  
https://medium.com/%40mazenelm ... 8b4f8

5. Elasticsearch 速度之谜：从 Lucene 倒排索引剖析单关键词查询的“快”（需要梯子）  
https://medium.com/jin-system- ... 6a647


编辑：斯蒂文  
更多资讯：http://news.searchkit.cn

1、告别命令行：用 DBX 可视化操作 Easysearch 全流程解析
https://infinilabs.cn/blog/202 ... arch/

2、生产环境向量搜索的一个设置：vectordb_document 模式如何自动调优 Elasticsearch
https://elasticstack.blog.csdn ... 66615

3、让大模型思考，让小模型执行：在 Elastic Workflows 中拆分 LLM 成本
https://elasticstack.blog.csdn ... 65676

4、10万+Skill 背后：腾讯SkillHub如何帮用户找到真正好用的那20%
https://mp.weixin.qq.com/s/rSVXMwOMLSEhl7gC5KdBCg

5、手把手教你用WorkBuddy做没有AI味的PPT
https://mp.weixin.qq.com/s/etDAEMJo_OpFjns6-1vCbA

编辑：Muse  
更多资讯：http://news.searchkit.cn

1、Easysearch 聚合慢，是数据问题还是写法问题？
https://mp.weixin.qq.com/s/h7K5a7RjoIE34sy3XkLY0g

2、向量检索界的超强 CP：DiskANN 铺路，RaBitQ 加速，又准又快还能省
https://mp.weixin.qq.com/s/jJnZNlkNeNwNyGCl2ATZCQ

3、jina-clip-v2：无需 GPU，在 Elasticsearch 实现 89 种语言文搜图
https://www.elastic.co/search- ... ip-v2

4、当 OLAP 遇到搜索：Easysearch vs Doris 倒排索引实现深度剖析
https://mp.weixin.qq.com/s/OtoIwaQtxbEKJQONKItyuQ

5、AI时代不吐不快的12条判断
https://mp.weixin.qq.com/s/zVj-0k-DfIS5bHz05MQ8bg

编辑：Fred    
更多资讯：http://news.searchkit.cn

1.90多页2026年最新的Agent记忆领域权威综述
https://mp.weixin.qq.com/s/eX0GiG-t76GT3zb6YFViVw
2.开启Benchmark的Harness时代：15家学术机构联合发布HarnessEval
https://mp.weixin.qq.com/s/T_fBh7p82OHaKw75oq-5cQ
3.一篇Self-Evolving Coding Agents最新综述
https://mp.weixin.qq.com/s/hSr ... e%3D1

编辑：Se7en
更多资讯：http://news.searchkit.cn

1. 红蓝对抗实战！从零搭建对手仿真与威胁检测工程实验室（第一弹）！（需要梯子）  
https://medium.com/%40aliasgha ... 89035

2. 告警排查通关！手把手带你用 Elastic 进行安全告警分诊与威胁响应！（需要梯子）  
https://medium.com/%40seada.al ... 1cfd2

3. 瓶颈永远在你意想不到的地方！基于 CQRS + 语义检索的架构性能调优实战复盘！（需要梯子）  
https://medium.com/%40douglasc ... cedd8

4. 全网流量可视化！如何用 ELK Stack 实时监控与分析 OPNsense 路由器网络流量？（需要梯子）  
https://medium.com/%40ruscyy/h ... 586a3

5. 合规安全里程碑！Elastic 成功斩获英国国防网络安全 Level 0 权威认证！  
https://www.elastic.co/blog/de ... ation


编辑：斯蒂文  
更多资讯：http://news.searchkit.cn

近日，极限数据（北京）科技有限公司（简称“极限科技”）旗下企业级开源 AI 产品 Coco AI，顺利通过国家通用软硬件适配认证中心全面检测，正式获得北京信息化协会信息技术应用创新工作委员会颁发的《信创产品评估证书》。


本次评估严格遵循《信息技术应用创新产品测评规范》，从国产化适配、产品功能、代码安全、性能表现、数据管控多维度完成全项校验。认证结果证明，Coco AI 完整兼容国产芯片、服务器操作系统、数据库、中间件等全栈信创软硬件，可在纯国产化环境稳定运行，全面满足政企信创项目落地标准，成为开源企业 AI 领域合规落地标杆产品。

当下政企数字化转型过程中，普遍存在数据分散形成信息孤岛、内部敏感数据上云存在泄露风险、商用公有 AI 无法适配内网安全规范等痛点。 Coco AI 作为全栈开源、支持私有化离线部署的统一搜索 AI 助手，从底层架构实现自主可控，企业所有数据、知识库、对话内容均可留存内网，搭配细粒度权限管控、数据脱敏、 SSO 集成等安全能力，完美适配金融、政务、能源等高监管行业合规要求。


依托极限科技十余年分布式搜索技术沉淀，Coco AI 一站式解决企业数据治理难题：产品可打通本地文件、语雀、 GitLab 、 Jira 、数据库、云存储等各类异构数据源，实现全域统一检索，检索平均延迟控制在 200ms 内；基于 RAG 架构结合主流大模型，提供语义搜索、私有知识库问答，依托 MCP 插件架构无需改动核心代码即可拓展 AI 工具能力；系统可自动生成企业可视化知识图谱，盘活沉睡内部数据，将存量文档转化为业务决策生产力。同时产品原生支持 Windows 、 macOS 、 Linux 多客户端，全代码开源开放，通过插件、 API 快速对接企业现有业务系统，轻量化易落地。


极限科技是国内深耕分布式搜索的自主基础软件厂商，2021 年成立，核心团队源自 Elastic 原厂及中文社区，拥有完整自研技术体系。公司具备高新技术企业、 ISO9001 、 ISO27001 等多项权威资质，拥有多项专利与软著；核心国产搜索引擎 [Easysearch](https://easysearch.cn) 位居行业榜单前列，服务移动云、中国一汽、中国人保、12306 、航天信息等大批政企标杆客户。此前 Coco AI 已斩获人工智能应用创新大赛 [一等奖](https://infinilabs.cn/blog/202 ... ition/)、“兴智杯”总决赛 [二等奖](https://infinilabs.cn/blog/202 ... ition/)，本次信创认证，实现产品智能化、国产化、安全性三重权威背书。

此次拿下信创产品评估证书，进一步完善极限科技“分布式搜索数据库 + 企业 AI 助手”信创产品矩阵，为政企提供开源、低成本、自主可控的智能知识解决方案。未来，极限科技将持续深化 Coco AI 国产化适配能力，联动信创产业链共建生态，依托开源社区迭代产品，同步提供私有化实施、定制开发、专属技术服务，以国产开源 AI 技术助力央国企、政务单位实现数智化与信创深度融合，赋能国内基础软件产业自主创新发展。

---

关于 Coco AI

Coco AI 是一款完全开源、跨平台的企业级智能搜索与助手系统，专为现代企业打造。它通过统一搜索入口，连接企业内外部的异构数据源，融合大模型能力，帮助团队高效访问知识，智能决策协作。

产品官网：<https://coco.rs>;
开源地址：<https://github.com/infinilabs/coco-app>;

1、你的 AI agent 不需要你的 API 密钥：使用 OAuth 2.1 对 Elasticsearch MCP 服务器进行身份验证
https://elasticstack.blog.csdn ... 43481

2、什么是混合搜索？
https://elasticstack.blog.csdn ... 80279

3、一切皆插件之后，Agent 工程的新范式
https://mp.weixin.qq.com/s/OgYIw9l8PBeRk5MGMhYTmA

4、Spring AI 2.0 + Easysearch——业务代码只注入 VectorStore，就能跑通向量检索
https://mp.weixin.qq.com/s/uruMMpyKuSX-8q24Me4H9w

5、Loop Engineering 已死？ 一文带你了解Graph Engineering
https://mp.weixin.qq.com/s/LzpfUsJRMcpPHzDovo5IrA

编辑：Muse
更多资讯：http://news.searchkit.cn

1、得物知识问答：复合检索 Agent 的系统设计实践
https://my.oschina.net/u/5783135/blog/19738367

2、Easysearch 向量搜索实战（二）
https://infinilabs.cn/blog/202 ... ch-2/

3、代码内容搜索系统实践：从痛点分析到 Elasticsearch 落地
https://mp.weixin.qq.com/s/KL4Y61BHW7mBbXljWW04LQ

4、CDC、查询卸载与 AI 检索：达梦 × Easysearch 技术交流干货回顾
https://infinilabs.cn/blog/202 ... ange/

5、Elasticsearch IK 分词器使用指南
https://mp.weixin.qq.com/s/7Pir9qUG56uUf8LgTUTmqw

编辑：Fred    
更多资讯：http://news.searchkit.cn

在金融行业数字化转型与信创建设持续推进的背景下，如何让国产数据库更好地支撑海量数据检索、实时分析与智能应用，成为越来越多企业关注的话题。

8 月 7 日，围绕 “达梦数据库 × Easysearch 金融行业搜索与分析加速方案”，我们开展了一场技术主题分享与交流活动。 由 极限科技技术专家杨帆 从金融行业实际业务需求出发，深入介绍了[达梦数据库](https://www.dameng.com/product/DM.html)与 [Easysearch](https://easysearch.cn) 的协同架构，并围绕数据同步、查询卸载、性能优化以及国产化生态合作等问题，与参会伙伴展开了深入交流。


本次分享的核心方案，是通过 “达梦数据库 + CDC 实时同步 + Easysearch” 构建事务与检索分析分离的架构：达梦继续承担核心事务处理和主数据管理，Easysearch 则承接全文搜索、海量数据检索、多维分析以及 AI 检索等场景，让两套系统各司其职，共同提升数据服务能力。

一、为什么需要“数据库 + 搜索引擎”？

传统关系型数据库在 OLTP 场景下具有强一致性、事务处理和数据管理等优势，但当业务逐渐面临海量数据全文检索、多维聚合分析以及复杂搜索体验等需求时，单纯依赖数据库往往会面临新的挑战。


例如在金融场景中，交易明细、合同与制度文件、客户信息、日志数据等都需要被快速检索；与此同时，大量报表、聚合分析和历史数据查询又可能与核心交易业务争抢 CPU、IO 等资源。

分享中提到，达梦擅长 OLTP 事务处理、强一致性、数据安全与审计等能力，而在全文检索、相关性排序以及海量检索分析等方面，则可以通过 Easysearch 进行能力补充。

因此，方案的核心思路并不是简单地“用 Easysearch 替换数据库”，而是：

让数据库专注事务，让搜索引擎专注搜索与分析。

达梦负责写入、更新、事务一致性以及主数据管理；Easysearch 则负责从海量数据中快速“找出来、关联起来”，承接搜索、聚合、向量检索及 AI 等查询型负载。

二、CDC：连接事务库与检索分析库的关键纽带

在这样的架构中，如何让达梦中的数据及时同步到 Easysearch，是大家非常关注的问题。


本次方案采用 CDC 实时同步 的方式，整体链路包括三个阶段：

全量同步 → 增量同步 → 持续运行

首先将达梦存量数据同步至 Easysearch，建立数据基线；随后通过 CDC 持续捕获 INSERT、UPDATE、DELETE 等数据变化，并实时同步到 Easysearch，最终形成持续运行的数据同步链路。

在分享介绍的测试验证中，达梦 DM8 × Easysearch 已完成[兼容认证](https://infinilabs.cn/blog/202 ... cation)测试，全量同步和增量同步均验证通过；在 CDC 高压同步测试中，万级变更可在 30 秒内完成同步，并实现读写一致、无积压。

三、现场技术交流：从“方案介绍”走向“实际问题”

相比单向的技术分享，本次活动更加精彩的部分，是分享结束后的互动交流。

围绕方案在真实生产环境中的落地，参会伙伴提出了多个非常有针对性的问题，分享老师也结合方案设计和实际经验进行了逐一解答。

1. CDC 延迟一般是多少？

CDC 是整个架构实现近实时数据同步的关键，因此大家首先关注了：

从达梦发生数据变更，到 Easysearch 可以查询到数据，中间通常存在多大的延迟？

这个问题实际上不仅涉及 CDC 本身，还与源端产生变更的速度、网络、同步任务处理能力以及目标端写入性能等多个因素相关。


在常规业务负载下，CDC 增量同步延迟可控制在秒级；如果业务变更量更高，可通过 Easysearch 动态扩容分片、增加 CDC 同步并发等方式进一步降低延迟，满足金融级近实时数据一致性要求。

2. 哪些查询适合留在达梦？哪些查询适合放到 Easysearch？

这是现场非常有代表性的一个问题。

实际上，“哪些数据进入 Easysearch”并不是简单按照表来划分，而更应该按照 业务访问模式和查询类型 来判断。

例如：

• 强事务、强一致性的核心业务操作，继续留在达梦；
  
• 精确查询、事务处理以及主数据维护，继续由达梦负责；
  
• 全文搜索、模糊查询、相关性排序等场景，可以交给 Easysearch；
  
• 海量数据检索、多维聚合分析、历史数据查询等，可以通过 Easysearch 进行查询卸载；
  
• 面向 AI 的向量检索、混合检索和 RAG 等场景，则可以进一步利用 Easysearch 的搜索能力。
  
  这种“按负载类型进行职责分工”的方式，也是整个方案设计的核心。
  
  
  
  

  3. 从搜索到分析：Easysearch 还能解决什么？
  

  
  除了传统的全文检索，本次分享还介绍了 Easysearch 在海量数据分析、向量检索以及 AI 场景中的应用。
  
  
  
  在全文搜索方面，Easysearch 支持 IK、拼音、HanLP 等中文分词能力，并提供 BM25 相关性评分、Function Score、高亮、同义词、搜索建议等能力。
  
  在海量数据分析方面，则可以通过倒排索引、列式 Doc Values 以及聚合能力，承接交易明细分析、日志检索、客户行为分析以及风控等场景。
  
  而在 AI 场景中，Easysearch 还可以进一步提供向量检索和全文检索融合能力，为 RAG、语义搜索、智能客服、推荐以及反欺诈等应用提供检索底座。
  
  这意味着，数据库中的结构化数据经过同步之后，并不只是多了一个“搜索入口”，而是可以进一步形成 搜索、分析与 AI 多种数据服务能力。
  
  

  4. 在国产数据库信创领域，达梦与 Easysearch 有哪些合作空间？
  

  
  二者都是信创全栈适配的国产自主产品，合作空间非常广阔：
  
  首先是联合解决方案落地：面向金融、运营商、政企等行业，提供“事务库 + 检索分析库”的信创标准架构，满足等保、密评要求，规避开源组件协议风险；
  
  其次是国产化替代场景：Easysearch 可作为 Elasticsearch 的平滑替代产品，与达梦组合形成“去 IOE + 去开源 Elastic ”的全栈信创方案，目前已在中国移动、中国一汽等标杆项目中验证；
  
  
  
  此外还有AI场景拓展：二者结合可支撑金融 RAG 知识库、智能风控、语义合规审查等 AI 应用，为信创环境下的智能化转型提供底座。
  
  

  四、一次分享，也是一次技术碰撞
  

  
  从达梦数据库到 Easysearch，从 CDC 到查询卸载，再到全文搜索、海量分析和 AI 检索，本次交流虽然围绕的是一个具体的技术方案，但大家讨论的其实是一个更加普遍的问题：
  
  

  在信创和数字化转型背景下，如何让不同类型的数据基础设施发挥各自的优势，并最终服务于业务？
  
  达梦与 Easysearch 的组合，并不是简单的“1+1”，而是通过职责分离，让事务处理、数据管理、搜索、分析和 AI 各自发挥所长。
  
  技术分享有终点，技术交流没有终点。
  
  感谢分享嘉宾的精彩内容，也感谢每一位参会伙伴的积极参与和深度交流。
  
  期待下一次，我们继续围绕 搜索、数据库、数据分析、AI 与信创技术，碰撞出更多新的思路与实践。
  
  达梦 × Easysearch，探索国产数据基础设施协同的新可能。
  
  ---
  
  参考资源：
  
  

• PPT 下载：<https://searchkit.cn/slides/347>;
  
• 达梦官网：<https://dameng.com>;
  
• Easysearch 官网：<https://easysearch.cn>;

1.搜索引擎如何跳过大量无效评分？——BM25 分数上界与 Block WAND
https://mp.weixin.qq.com/s/qyBzyqxeutdRKxhOTLlHrg

2.一文讲清 SQ：向量压缩、量化误差、粗排加速与最终 rerank
https://mp.weixin.qq.com/s/ST2Gm2eN4_4AZG1DOuJjEg

3.你的堆内存图表看不到的隐藏压力：AutoOps 现已监控向量堆外内存
https://blog.csdn.net/UbuntuTo ... 52973




编辑：kin122    
更多资讯：http://news.searchkit.cn

1. 超越 JVM 堆内存！深度剖析 Elasticsearch、mmap 与 Linux Page Cache 的底层黑科技！（需要梯子）  
https://medium.com/%40ma.orojl ... ca1e0

2. 故障复盘！一次修复竟引发 K8s 节点无限暴涨？详解 ECK、EBS 与自动扩容的惊魂夜！（需要梯子）  
https://medium.com/%40sienna01 ... 0c4f5

3. 检索效果爆表！如何在 Elasticsearch 中融合 BM25、kNN 与 RRF 算法打造超强混合检索？（需要梯子）  
https://dev.to/akshay_gupta/hy ... -2k3e

4. 实战跨语言检索！看我们如何用 ES + pgvector + CIEDE2000 搞定 4 种语言与百种色名的复杂搜索！（需要梯子）  
https://dev.to/sahib_alizada/b ... -1igb

5. 揭秘黑盒机制！Elasticsearch 跨索引 JOIN 的内部底层原理与性能损耗全解！（需要梯子）  
https://medium.com/%40stephane ... e8b3a


编辑：斯蒂文  
更多资讯：http://news.searchkit.cn

1、一个查询，三种数据源：ES|QL 子查询同时支持 FROM、TS 和 ROW
https://elasticstack.blog.csdn ... 82796

2、jina-reranker-v3.5：通过混合 Attention 和自蒸馏实现更快的 Listwise Reranking
https://elasticstack.blog.csdn ... 61932

3、让搜索成为推理引擎 ——WorkBuddy + ES 多智能体跨域数据侦探
https://mp.weixin.qq.com/s/X9kacnzSV2Mvfj7lcRDZYg

4、Elastic 的 Agent skills：让你的 AI 代理成为 Elastic 专家
https://mp.weixin.qq.com/s/xHIy_z_wUFMqhUYnTS9vnA

5、Claude Code神级技巧：让AI编程更省心
https://mp.weixin.qq.com/s/cHs53TE4MvCqnyS5lao3KA

编辑：Muse
更多资讯：http://news.searchkit.cn


[上回](https://infinilabs.cn/blog/202 ... rch-1/) 我们通过 Ingest Pipeline 把数据在写入 [Easysearch](https://easysearch.cn) 的过程中自动转换成了向量，这次我们通过 Search Pipeline 实现查询时将查询内容转换成向量并进行查询。

Embedding 服务

这里要保持与写入时使用的模型一致。

实战

我们实战演示分为以下几个步骤：

1. 建立 Search Pipeline
   
2. 设置索引默认 Pipeline
   
3. 数据查询
   
   

   建立 Search Pipeline
   

   
   plain<br /> PUT /_search/pipeline/default_model_pipeline<br /> {<br /> "rewrite_processors": [<br /> {<br /> "semantic_query_enricher" : {<br /> "description": "Sets the default embedding model",<br /> "url": "<a href="https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings"" rel="nofollow" target="_blank">https://dashscope.aliyuncs.com ... ot%3B</a>,<br /> "vendor": "openai",<br /> "api_key": "<api_key>",<br /> "default_model_id": "text-embedding-v4",<br /> "vector_field_model_id": {<br /> "text_vector": "text-embedding-v4"<br /> }<br /> }<br /> }<br /> ]<br /> }<br />
   
   
   
   

   设置索引默认 Pipeline
   

   
   为了方便查询，不用每次查询都指定 Pipeline，我们设置默认值。
   
   plain<br /> PUT /my-index/_settings<br /> {<br /> "index.search.default_pipeline" : "default_model_pipeline"<br /> }<br />
   
   
   
   

   数据查询
   

   
   使用上次写入的数据进行查询测试，但不直接查询原来的文本内容。
   
   plain<br /> GET /my-index/_search<br /> {<br /> "_source": "input_text",<br /> "query": {<br /> "semantic": {<br /> "text_vector": {<br /> "query_text": "非常先进高级的生产车间",<br /> "candidates": 100,<br /> "query_strategy": "LSH_COSINE"<br /> }<br /> }<br /> }<br /> }<br />
   
   参数解释请查看[文档](https://docs.infinilabs.com/ea ... dding/)。
   
   
   
   OK，从上面可以看到，我们没有直接搜索原文本中的内容或关键字，但还是通过文本的语义检索到了相关内容。
   
   
   
   ---
   
   

   关于 Easysearch
   

   
   
   
   INFINI Easysearch 是一款分布式搜索引擎，支持结构化和非结构化的数据检索、全文检索、向量检索、空间地理位置信息检索、组合查询、多语种支持、语义分析和聚合分析等多种功能。
   
   Easysearch 基于 Lucene 构建，紧跟 Lucene 最新版本持续迭代更新，采用商用友好协议，企业可自由部署、二次开发和商业化，无协议合规风险。
   
   Easysearch 致力于为企业提供轻量、安全、自主可控的搜索平台，不断完善产品能力，满足更多企业级需求。
   
   官网：<https://easysearch.cn>;
   
   ---
   
   相关文章：
   
   

   • [INFINI Easysearch 向量搜索实战（一）](https://infinilabs.cn/blog/202 ... rch-1/)
     
   • [Easysearch 向量搜索指南](https://docs.infinilabs.com/ea ... earch/)