Recursos de OpenSearch

Capacidade de pesquisar em diferentes fontes de dados, como bancos de dados, intranets e aplicativos.

Oferece pesquisa para uma variedade de tipos de arquivo.

Capacidade de pesquisar em vários idiomas sem qualquer trabalho adicional necessário.

Capacidade de pesquisa para lidar com erros de digitação.

Permite que o usuário final filtre e refine os resultados da pesquisa.

Capacidade de definir sinônimos para termos de pesquisa.

Permite que o usuário veja resultados realçados para ver quais palavras ou frases correspondem à consulta de pesquisa.

Permite que o usuário pesquise de forma natural e intuitiva.

Fornece ao usuário resultados direcionados e personalizados com base em sua atividade ou preferências.

Permite que o usuário entenda como outros usuários estão usando a funcionalidade de pesquisa através de painéis, KPIs, etc.

Capacidade de conectar os recursos de pesquisa a outros aplicativos ou ferramentas.

Capacidade de realizar tarefas complexas sem a necessidade constante de intervenção humana

Capacidade de decompor e planejar processos em várias etapas

Funciona em vários sistemas de software ou bancos de dados

Melhora o desempenho com base no feedback e na experiência

Antecipar necessidades e oferecer sugestões sem ser solicitado

Tome decisões informadas com base nos dados disponíveis e nos objetivos

Incorporar capacidades generativas (RAG) para geração de respostas aprimoradas usando conteúdo recuperado

Permitir ajustar a relevância e o ranqueamento através de modelos de aprendizado de máquina ou Learning-to-Rank

Habilite o sistema para entender e interpretar consultas em linguagem natural

Oferece pesquisa para uma variedade de tipos de arquivos.

Capacidade de pesquisar em diferentes fontes de dados, como bancos de dados, intranets e aplicativos.

Capacidade de pesquisar em vários idiomas sem necessidade de trabalho adicional.

Fornece ao usuário resultados direcionados e personalizados com base em sua atividade ou preferências.

Permite ao usuário entender como outros usuários estão utilizando a funcionalidade de busca através de painéis, KPIs, etc.

Capacidade de integrar as funcionalidades de busca em outras aplicações ou ferramentas.

Permite ao usuário ver os resultados destacados para ver quais palavras ou frases correspondem à consulta de pesquisa.

Permite que o usuário final filtre e refine os resultados da pesquisa.

Capacidade de busca para lidar com erros de digitação.

Capacidade de definir sinônimos para termos de pesquisa.

Orquestra as etapas de recuperação, reclassificação e enriquecimento dentro dos fluxos de trabalho RAG

Otimize a seleção de blocos, a montagem de contexto e o embasamento especificamente para o consumo de LLM.

Permite o ajuste avançado de estratégias de recuperação lexical, semântica e reordenada

Fornece insights sobre o comportamento de consulta, a qualidade de recuperação e o desempenho de relevância

Garante resiliência através de redundância, failover e mecanismos de recuperação

Gerencia atualizações de incorporação, reindexação e mudanças de versão do modelo ao longo do tempo

Permite a busca semântica em texto, imagens, áudio ou vídeo usando embeddings

Permite que as equipes tragam seus próprios modelos de incorporação ou provedores de LLM e os alterem sem reestruturar a arquitetura.

Suporta atualizações de índice quase em tempo real à medida que os dados de origem mudam

Enriquece o conteúdo usando chunking, inferência de metadados, extração de entidades ou OCR durante a indexação

Impõe permissões a nível de documento, campo ou metadados durante a recuperação

Suporta controles de dados regionais, regras de retenção e conformidade regulatória

Acompanha consultas, conteúdo recuperado e decisões de acesso para conformidade e depuração

Permite controle detalhado sobre a classificação usando regras, pesos, loops de feedback ou modelos de aprendizado para classificação

Melhora a qualidade da recuperação através da reescrita de consultas, expansão semântica ou detecção de intenção.

Suporta pipelines de recuperação em várias etapas, onde os candidatos iniciais são reclassificados usando abordagens baseadas em ML ou LLM.

Ajusta a recuperação e classificação com base no contexto do usuário, comportamento ou sinais de nível de aplicação