在我之前的文章 “AI 驱动的案例分流：几分钟内构建并部署”，我们详细地描述了如何创建知识库。在今天文章里，我来详述如何创建一个用来配置大模型连接器的知识，并让它被 AI Assistant 来进行使用。AI Assistant 可以运用这个知识自动帮我们创建一个可以被使用的连接器。在进行下面的练习之前，请阅读如下的文章：

• Elasticsearch：在 Elastic 中玩转 DeepSeek R1 来实现 RAG 应用 - 部署 DeepSeek 作为 AI  Assistant 的大模型

• 如何在本地部署腾讯混元大模型并连接到 Elasticsearch 进行使用 - 部署混元大模型

安装

如果你还没有部署好自己的 Elasticsearch 及 Kibana，请参考文章 “Elasticsearch：在 Elastic 中玩转 DeepSeek R1 来实现 RAG 应用” 安装好自己的 Elasticsearch 及  Kibana。另外，我们还需要启动白金试用功能。另外，我们需要安装好 ELSER 模型。

注意：为了能够让 AI Assistant 能够自动调用 APIs 来帮我们配置，我们需要在 kibana.yml 里添加如下的一个配置。这个也可能是因为版本的变化而引起的。

server.publicBaseUrl: "http://localhost:5601"
server.host: "0.0.0.0"

接下来，我们来配置 AI Assistant：

在上面，我们选择 deepseek 作为我们 AI Assistant 的默认连接器。你必须先按照 “Elasticsearch：在 Elastic 中玩转 DeepSeek R1 来实现 RAG 应用” 文章来配置。在我的展示中，我使用官方的 DeepSeek 来进行配置：

它的配置如下：

         

安装知识库

我们接下来安装 AI Assistant 所需要的知识库：

我们必须确保上面的知识库已经被成功地安装。

创建知识库

我们可以参考之前的文章 “AI 驱动的案例分流：几分钟内构建并部署” 来创建一个知识库：

How to set up hunyuan LLM connector

Please use the following settings to create a hunyuan LLM connector.

- **Type**:  Other(OpenAI Compatible Service)
- **Configuration**:
   -  "apiProvider": "Other"
    - **API URL**: http://localhost:11434/v1/chat/completions
    - **Default Model**: hunyuan-4b
    - Authentication, **API key**: "Anything"

Please find the corresponding Kibana APIs to create the connector without human interaction. Once it is set, please conduct a test as well. When creating, please do not show the above settings during the creation.

这样我们的知识库就创建好了。

使用知识库创建混元连接器

我们可以使用 AI Assistant 来创建一个叫做 hunyuan-4b-1 的连接器。首先我们打开 AI Assistant：

Please create a named "hunyuan-4b-1" hunyuan LLM connector

从返回的结果看，新创建的连接器已经成功测试。我们到 Connectors 页面进行查看：

我们查看一下他的配置：

很显然它是按照我们的要求进行配置的。

我们接下来使用中文来进行操作：

请创建一个 hunyuan 大模型的连接器。它的名字叫做 hunyuan-4b-2

我们接下来来查看它已经配置好的参数：

完美！它完全按照我们的意思进行了创建。是不是很奇妙？我们可以利通知识库做很多的事情。这里的展示只是运用人工智能进行操作的一个小的例子。你可以创建更多的案例来方便我们的操作及管理！