DevRel 通讯 — 2025 年 11 月

Elastic 9.2版本发布，带来多项创新功能：1) Agentic工作流AI支持在Kibana中创建智能agent处理Elasticsearch数据；2) Streams功能通过AI自动解析和结构化日志数据；3) DiskBBQ技术实现向量搜索的磁盘存储优化。平台亮点包括ES|QL增强、时间序列查询优化和Discover改进。团队还提供了免费在线培训资源，并分享了多篇技术博客和视频教程，涵盖上

Elastic 中国社区官方博客

846人浏览 · 2025-11-26 16:15:30

Elastic 中国社区官方博客 · 2025-11-26 16:15:30 发布

作者：来自 Elastic DevRel team

来自 Elastic DevRel 团队的问候！在本期通讯中，我们将介绍 Elastic 9.2、免费的按需培训、最新博客和视频，以及即将举行的活动。

有什么新内容？

Elastic 9.2 刚刚发布，这是一个重要版本：

Kibana 中的 Agentic 工作流
AI 辅助日志 pipeline
新的磁盘向量索引
Discover 中的体验优化

Elastic Agent Builder：在 Kibana 中的 Chat、工具和 agents

启动 AI agent，它们可以在你的 Elasticsearch 数据上聊天，并调用你定义的工具，如 ES|QL、内置工具如 list indices 和 get mapping。你可以创建工具，将它们组合成 agent，然后与自定义 agent 或默认 agent 对话。部分功能为技术预览，并隐藏在 flags 后。

为什么你会关心：这是一个原生、基于标准（Model Context Protocol 或 MCP）的方法，可以在不依赖临时方案的情况下构建面向任务的 agent。

POST kbn://api/agent_builder/tools
{
  "id": "news_on_asset",
  "type": "esql",
  "description": "Find news for a ticker",
  "configuration": {
    "query": "FROM financial_news | WHERE MATCH(entities, ?symbol) | limit 5",
    "params": { "symbol": { "type":"keyword" } }
  }
}

将其接入 agent 并在 Kibana 中与其聊天：

POST kbn://api/agent_builder/converse
{ "input": "What news about DIA?", "agent_id": "custom_agent" }

或者，将其接入你的 MCP client，如 Claude Desktop、Cursor 和 VS Code。

{
  "mcpServers": {
    "elastic-agent-builder": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "${KIBANA_URL}/api/agent_builder/mcp",
        "--header",
        "Authorization:${AUTH_HEADER}"
      ],
      "env": {
        "KIBANA_URL": "${KIBANA_URL}",
        "AUTH_HEADER": "ApiKey ${API_KEY}"
      }
    }
  }
}

更多信息，请参阅文档。

Streams：自组织的 AI 辅助日志

Streams 使用 AI 解析和结构化原始日志，对其进行分区，并呈现 Significant Events，让你从最相关的信号开始调查。它可与 OpenTelemetry、Elastic Agent、Filebeat、Logstash、Fluentd 等配合使用。你也可以直接流式传输到 /logs 端点，实现无 agent 摄取。功能包括：

日志解析与结构化：将日志行转换为结构化、可查询的数据。Streams 使用 AI 自动发现模式、提取字段并对日志进行分区，在调查开始前减少噪声。
Significant Events：从日志中开始调查。Significant Events 自动标记需要关注的信号，如错误、异常或证书到期，让你专注于重要内容。
无 agent 摄取（这里的 agent 指的是摄入数据的 Elastic agent，而不是智能体）：从任何来源、OpenTelemetry、Fluentd 或通过 Elastic 一键集成摄取日志。你可以直接流式传输到 /logs 端点 —— 无需 agent。

所有功能均由 agentic AI 提供支持。在 Elastic 中，agentic 工作流组织日志、呈现重要事件并指导调查。它们与基于你的知识库和运行手册的组织上下文、快速 ES|QL 查询以及机器学习结合使用。

OTel 快速提示（processor 和 exporter 草图）：

processors:
  transform/logs-streams:
    log_statements:
      - context: resource
        statements:
          - set(attributes["elasticsearch.index"], "logs")
exporters:
  otlp/ingest:
    endpoint: ${env:ELASTIC_OTLP_ENDPOINT}
    headers:
      Authorization: ApiKey ${env:ELASTIC_API_KEY}
service:
  pipelines:
    logs:
      receivers: [filelog]
      processors: [batch, transform/logs-streams]
      exporters: [elasticsearch, debug]

DiskBBQ：向量搜索，但 RAM 更轻松

DiskBBQ 是 HNSW 在压缩向量上的 kNN 的磁盘替代方案。它将向量保存在磁盘上，在保持大数据集召回率和速度的同时，最小化 RAM 需求。可通过 index_options.type=bbq_disk 按字段启用。

{
  "mappings": {
    "properties": {
      "image-vector": {
        "type": "dense_vector",
        "dims": 512,
        "similarity": "l2_norm",
        "index_options": { "type": "bbq_disk" }
      }
    }
  }
}

9.2 平台亮点

ES|QL Smart Lookup Joins
ES|QL 时间序列
Discover 中的 Smart enrichment
Background search（技术预览）
Discover Tabs

ES|QL Smart Lookup Joins：在多个字段和表达式（<、>、!=）上匹配，并从查找（lookup）索引中进行 enrich，即使跨远程集群也可。

FROM logs-*, remote:logs-* 
| LOOKUP JOIN lookup_index ON left_field1 > right_field1 AND left_field2 <= right_field2

ES|QL 时间序列：原生 RATE、*_OVER_TIME、TBUCKET、TS 让时间序列查询更直接。

TS k8s
| STATS max_rate=MAX(RATE(network.total_bytes_in)) BY time_bucket = TBUCKET(5minute)

Discover 中的 Smart enrichment：在探索时内联运行 LOOKUP JOIN。

Background search（技术预览）：在 Discover 中将长 ES|QL、KQL 或 DSL 查询作为异步任务启动，并在完成时收到通知。

观看视频： https://www.bilibili.com/video/BV16KU8B6EUM/

Discover Tabs：Painless 上下文切换和并排比较。

观看视频： https://www.bilibili.com/video/BV1f3U8BTEE4/

博客、视频和有趣的链接

按需 Elastic 培训：登录或注册后任选一个 Elastic 培训课程，然后选择课程类型 “On-Demand” 即可免费启动。
上下文工程：跟 Ugo Sangiorgi 学习如何在 Elasticsearch 中使用 Mistral Chat completions 来为大语言模型（LLM）回复提供上下文基础。与 Joseph McElroy 一起探索相关性在 AI agent 的上下文工程中的影响。
Streams：Bahubali Shetti 和 Luca Wintergerst 介绍用于可观测性的 Streams。Kevin Lacabane 探索 Streams 如何简化 Elasticsearch 中的保留管理。
Agentic AI：跟 Enrico Zimuel 和 Florian Bernd 一起学习如何使用 Microsoft Agent Framework 和 Elasticsearch 在 Python 和 .NET 中构建一个简单的 agentic 应用。
多语言 embeddings：了解如何部署一个 e5 多语言 embedding 模型用于向量搜索和跨语言检索，并与 Quynh Nguyen 一起提升其相关性。
安全：Charles Davison 利用 Automatic Migration for Dashboards 加速 SIEM 迁移。Brixton Pizzuti 使用 AI 驱动的威胁狩猎提升公共部门的网络防御。