阿里云 AI 搜索开放平台面向企业及开发者提供丰富的组件化AI搜索服务，本文将重点介绍基于AI搜索开放平台内置的 DeepSeek-R1 系列大模型，如何搭建 Elasticsearch AI Assistant。

DeepSeek-R1满血版与Elasticsearch AI Assistant（智能运维助手）的深度融合，标志着生成式AI（GenAI）与智能运维专业领域的协同正式迈入实战阶段。本文将揭秘如何结合阿里云AI搜索开放平台和阿里云Elasticsearch的AI Assistant，在1分钟内搭建智能运维助手，将LLM技术转化为可落地的运维生产力：

1. **深度集成：**直接调用 Elasticsearch API 实现集群实时状态诊断，支持动态生成可视化数据看板。

2. **智能交互：**通过自然语言指令自动构建精准查询语句，实现查询构建-执行-优化的全流程自动化。

3. **场景优化：**针对运维排障、威胁猎杀、业务分析等场景提供智能建议，显著降低技术门槛。

4. **定制知识：**可配置私有的知识库，结合知识库的内容，调用 DeepSeek 大模型辅助问答。

阿里云 AI 搜索开放平台面向企业及开发者提供丰富的组件化AI搜索服务，本文将重点介绍基于AI搜索开放平台内置的 DeepSeek-R1 系列大模型，如何搭建 Elasticsearch AI Assistant。AI Assistent 可配置私有的知识库：结合知识库的内容，调用 DeepSeek 大模型辅助问答。

一、基于 DeepSeek 系列模型1分钟开启 Elasticsearch 的 AI Assistent

Step 1：创建Elasticsearch实例

按如下文档指引，完成阿里云ES 8.15及以上版本实例的创建和kibana相关配置：https://help.aliyun.com/zh/es/user-guide/ai-assistant-usage-guidelines

Step 2：创建DeepSeek的Connector

在创建Connector(连接器)的页面上，参考上述文档步骤10，在默认模型选项上，将模型设置成“deepseek-r1”。

选择保存并测试，点击运行按钮，如果返回测试成功，就说明DeepSeek的Connector(连接器)正常创建了。

Step 3：选择DeepSeek的Connector进行对话

在操作列表中，确认 Connector (连接器)选择的是刚刚创建的 DeepSeek connector name。

接下来就能使用 DeepSeek-R1等系列 的大模型，使 AI Assistant 发挥更好的效果，帮助用户高效完成对 Elastic 的各种操作。

二、AI Assistant 的场景演示

场景1、辅助集群运维和索引管理（AI Assistant+DeepSeek模型）

Step 1：

创建一个索引，number_of_replicas 设置很大（超过节点数量），集群状态就会变成 yellow；

PUT test/{` `"settings": {` `"number_of_replicas": 10` `}}

Step 2：

让 AI Assistent 分析原因并给出解决方案，AI Assistent 甚至能在用户授权后，直接调整number_of_replicas settings 将集群恢复 green；

针对集群运维和索引管理还可以尝试提问下面一些示例问题：

• 请列出当前集群的索引，不要包含隐藏索引或者系统索引

• 将集群分片搬迁速度调大到100mb

• 创建一个test_new索引，索引结构跟test一样，分片数调整为3个

• 集群现在负载为什么这么高

场景2、可视化分析

Step 1：

导入样例数据：进入Kibana主页，单击试用样例数据—其他样例数据集，将kibana准备的3份示例数据导入Elasticsearch；

Step 2：

点击如下图的 Logs 按钮，可以进行 AI Assistent 的可观测分析；

Step 3：

在分析过程中，点开任意一条日志，AI Assistent 可帮助我们了解消息的含义以及如何查找相似日志；

Step 4：

AI Assistent 上制作可视化的图表：

• 提问示例：

“分析kibana_sample_data_ecommerce索引，列出销售额前5的品类，并制作图表。”

可以看到AI Assistent 画出的相关图表，用户可以点开图表详情进行调整和保存图表。

场景3：Elasticsearch 使用的查询语句生成和各种问题咨询

Step 1：

AI Assistent 可帮助 ES 用户查询 DSL。

• 提问示例：

“查询kibana_sample_data_ecommerce中一共有多少商品分类，将全部商品分类列出来，可以帮我写出查询的DSL吗”。

AI Assistent 不仅会给出 DSL 的写法，还会解释查询语句，以及返回的结果说明等。

Step 2：

更多示例提问：

• “帮忙解释下写入、查询的 xx 报错信息”

• “怎么调整集群的 settings，有哪些 settings 可以调整”

• “怎么调整索引的 settings，有哪些 settings 可以调整”

• “参数 cluster.max_shards_per_node 配置是什么意思，给出参数的使用建议”

三、结尾

AI助手推荐模型	输入（元/千tokens）	输出（元/千tokens）
DeepSeek-r1	0.004	0.016
DeepSeek-v3	0.002	0.008

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓