elastic-labs

跟着 Notebook 跑一遍，把 Elasticsearch 接进你的 RAG 和搜索应用

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 280 🐛 待处理 52 👀 关注 191

GitHub ↗

GitHub 星标 ★ 1141

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源示例代码，免费使用

项目预览

elastic-labs 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队elastic

GitHubhttps://github.com/elastic/elastic-labs

定价模式🏷️完全免费

价格说明开源示例代码，免费使用

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型ai,applications,chatgpt,chatlog,elastic,elasticsearch,genai,genaistack,langchain,langchain-python,openai,openai-chatgpt,python,search,vector,vectordatabase

GitHub 星标★ 1141

上线时间2023-06-14 00:00:00

代码更新2026-10-28

仓库体积175.7 MB

本站数据更新2026-11-02

维护状态活跃

收录时间2026-09-13

浏览次数1

项目介绍

elastic-labs 是 Elastic 官方维护的示例仓库，用 Jupyter Notebook 和可运行的小型应用演示如何把 Elasticsearch 用于搜索、可观测性和安全三大场景。它解决的是开发者「知道 Elasticsearch 强，但不知道怎么和当下 GenAI 技术栈拼起来」的问题：仓库里既有传统检索、聚合、向量检索的入门 notebook，也有把 OpenAI、ChatGPT、LangChain 与 Elasticsearch 结合的 RAG、聊天日志分析、告警排查等实战示例。核心能力包括：向量搜索与混合检索示例、基于 LangChain 的检索增强生成链路、日志与指标的可观测性分析、安全事件检索与调查，以及可直接改造成自己项目的应用骨架。所有代码以 notebook 形式呈现，边跑边看结果，适合快速验证思路后再迁移到生产工程。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-13 · 当前星标 ★ 1141

技术标签

ai chatgpt elasticsearch genai langchain

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（仓库内容为可执行的 Python notebooks）
Jupyter Notebook 运行环境
一个可访问的 Elasticsearch 实例（用于向量库/检索场景）
如需跑 GenAI 示例，需自备 OpenAI 等模型服务的 API Key

安装与启动步骤

1克隆示例仓库

README 未给出统一安装命令，先把官方仓库完整拉到本地，后续按各 notebook / 应用目录内的说明操作。
```
git clone https://github.com/elastic/elastic-labs.git
```
2进入仓库目录

切换到克隆下来的目录，浏览 notebooks 与 example-apps 两大部分的示例内容。
```
cd elastic-labs
```
3启动 Jupyter

仓库以 Jupyter Notebook 为主要载体，用 Jupyter 打开笔记本，逐个 cell 执行体验示例。
```
jupyter notebook
```
4查看示例应用

仓库内包含 Chatbot RAG App、Internal Knowledge Search 等示例应用，进入对应目录按其中的说明运行。
```
ls example-apps
```
5查阅官方文章

README 建议访问 Search Labs 获取最新的 Elasticsearch 搜索与 AI/ML 教程，配合仓库示例学习更完整。