DevRel newsletter — September 2026

DevRel 通讯 — 2026 年 9 月 | Elastic 博客

DevRel 通讯 — 2026 年 9 月

作者

Elastic DevRel 团队

2026 年 9 月 25 日

• 在 Twitter 上分享 在 Twitter 上分享

• 在 LinkedIn 上分享 在 LinkedIn 上分享

• 在 Facebook 上分享 在 Facebook 上分享

• 通过电子邮件分享 通过电子邮件分享

• 打印本页 打印

Elastic DevRel 团队向您问好！在本期通讯中，我们将介绍 jina-ocr-v1、最新博客和视频，以及即将举办的 Elastic{ON} 等活动。

最新动态

• jina-ocr-v1 现已作为服务和本地部署版本发布，支持表格、数学公式、手写内容和 100 多种语言的布局感知文档解析。

• Elastic CLI 为每个公共的 Elasticsearch、Kibana 和 Cloud API 提供单命令操作，内置密钥管理凭证、模式验证和策略控制。Agent Skills 已基于此重构。

• 存储在 Elasticsearch 中的预计算知识指标使代理在回答问题时相比标准的完整文档检索增强生成（RAG）方式，可减少 93% 的 token 使用量，并将延迟降低到原来的三分之一。

• Elastic APM 中的大型语言模型（LLM）跨度现在可以直接在追踪瀑布图中显示提示、响应和每次调用的 token 数量。

• Elastic Security Labs 团队在 1,100 台开发机器上安装了 Cursor 插件并收集了 1300 万次工具调用事件。该文章详细介绍了他们的发现，并演示了如何使用 Elastic Agent 复现该设置。

jina-ocr-v1：支持布局、表格、数学公式和 100 多种语言的统一模型

jina-ocr-v1 现已通过 Elastic 推理服务提供。这是一个端到端的文档解析器，可将扫描页面、文档照片、演示文稿幻灯片和手写笔记一次性转换为结构化 Markdown 格式。无需使用多个专用模型的流水线。

与传统 OCR 的区别在于其处理页面结构的方式。标准 OCR 从左到右读取字符，经常导致多列布局、侧边栏和混合内容页面的混乱。jina-ocr-v1 首先理解页面布局，然后按人类阅读顺序进行解析。表格输出为 HTML，数学公式输出为 LaTeX，嵌入图像（如书籍封面、标志、照片）中的文本会被识别但不会包含在输出中。

该模型总共有 34 亿个参数，但采用专家混合设计，因此在推理时仅激活 5.7 亿个参数。它以 5.7 亿模型的运行成本和速度运行，同时受益于在 34 亿参数上训练的广泛能力。

在 olmOCR-bench 测试中，jina-ocr-v1 得分 83.4，是所有活跃参数少于 6 亿的模型中得分最高的。在 OmniDocBench 测试中，得分 91.14，高于 GPT-5.2 的 86.59。在两个基准测试中表现优于它的模型都具有显著更多的活跃参数。

这展示了 jina-ocr-v1 在 olmOCR-bench 的帕累托前沿位置。其右上方的所有模型都具有显著更多的活跃参数。

语言支持涵盖 100 多种语言，包括经常让单语言 OCR 出错的阿拉伯语、中文、日文、韩文、泰语、印地语、希腊语、西里尔语、土耳其语、捷克语等脚本。混合语言页面可在一次处理中完成，无需额外配置。

使用方式有四种：

• Elastic 推理服务：现在可通过 chat_completions 推理端点使用；原生 PDF 支持即将推出

• Jina API：标准 HTTP 访问，提供 1000 万免费 token 用于启动

curl -X POST 'https://api.example.com/ocr'

• 本地部署或私有化部署：从 Hugging Face 下载（遵循 CC BY-NC 4.0 协议），或使用 Jina On-Prem 进行商业部署

• Jina AI Reader API：在请求头中添加 X-Respond-With: jina-ocr-v1；该路径会自动将 PDF 和 HTML 页面转换为图像

架构细节、基准测试表格以及每种访问方式的代码均在发布文章中。

Elastic CLI：一个命令即可操作所有 Elasticsearch、Kibana 和 Cloud API

Elastic CLI 现已进入技术预览阶段。一次安装即可提供对公共 Elasticsearch、Kibana 和 Elastic Cloud API 的统一入口点。通过命令 npm install -g @elastic/cli 进行安装。

设计目标是实现 CLI 的一致性。所有命令的使用方式相同：JSON 输入（通过 stdin 或 --input-file），JSON 输出（通过 --json），在任何请求离开设备前进行模式验证，以及在失败时返回非零退出码。只需尝试 elastic es search，你就能立即理解 elastic kb data-views list 和 elastic cloud serverless projects create 的使用方式。

对于正在考虑使用代理的用户，有几点需要特别注意：

• 凭据保存在操作系统密钥链中：运行 elastic config context add 会将你的 API 密钥写入 macOS Keychain、Linux Secret Service 或 Windows Credential Manager，并在配置文件中添加 $(keychain:...) 引用。密钥永远不会出现在 shell 历史记录或 LLM 对话记录中。

• 允许列表和阻止列表：配置中的 commands.allowed 或 commands.blocked 列表可以全局或按上下文限制可运行的命令。当需要代理具有只读权限而非删除权限时非常有用。

• 发送前验证：每个命令在发出任何网络请求前都会根据 JSON Schema 验证输入。使用 --dry-run 可以仅验证而不发送任何内容。

• 毁灭性命令需要确认：在终端中需要你手动批准。在非交互式会话（代理运行环境）中，除非显式传递 --yes 参数，否则不会执行。

• 输出可以精简：使用 --output-fields 仅返回所需字段，或使用 --output-template 采用 Mustache 风格模板。更小的响应意味着代理的上下文窗口更小。

CLI 还提供了一些帮助工具，用于处理 Elasticsearch 中学习曲线较陡的模式：

• elastic es helpers bulk-ingest：从文件、目录或 stdin（支持 NDJSON、JSON 数组或 CSV）加载数据，批量处理、并发和重试均由工具自动完成。

• elastic es helpers scroll-search：以 NDJSON 格式流式传输大型结果集，自动处理分页。

• elastic es helpers watch：当新文档到达时实时打印到 stdout，适用于管道传输到日志工具。

Elastic Agent Skills 现在使用 CLI 作为传输方式

Elastic Agent Skills 教授 AI 编程代理（如 Claude Code、Cursor、Copilot 和 Gemini CLI）如何正确使用 Elasticsearch 和 Kibana，包括应关注哪些字段、如何准备重新索引操作以及哪些集群健康信号值得关注。此前这些技能需要硬编码传输细节，例如包含嵌入式 API 密钥和主机名的 curl 命令。当凭证轮换或端点变更时，这些硬编码信息会失效。

现在 Skills 使用 CLI。操作在技能主体中以 HTTP 简写形式编写，最后的表格将每个操作映射到 CLI 命令：

GET /{index}/_mapping -> elastic es indices get-mapping --index '<index>'

POST /_query -> elastic es esql query --format tsv --query "<esql>"

该技能提供了相关知识。CLI 提供了一种经过验证、凭证安全且策略限定的方式来操作这些知识。通过以下两个命令即可安装：

npm install -g @elastic/cli

npx skills add elastic/agent-skills

目前已有针对 Elastic Cloud 入门、Elastic Workflows 和 Kubernetes 排查的技能。ES|QL、数据摄入、重新索引、索引设计、Kibana 仪表板和告警技能正在开发中。完整的安全防护列表和无服务器命令配置文件详见博客文章。

一次性预计算事实，避免代理重复读取相同文档

标准 RAG 每次收到问题时都会将完整文档加载到代理上下文中。相同来源内容会被重复加载，每次查询都会累积令牌成本。Kathleen DeRusso 和团队的这篇文章介绍了使用 Elasticsearch AI 索引的替代方案。

核心思路是通过 Kibana 工作流对文档语料库进行一次性批量处理。对于每篇文档，LLM 会提取一个知识指示符（KI）：包含标题、通俗语言摘要、实体列表、文档可回答的问题以及标语的紧凑型摘要。这些内容会被写入 AI 索引。

Kibana 工作流通过三个步骤处理语料库：获取文档、使用 LLM 提取 KI、将 KI 写入 AI 索引。

当代理收到问题时，会通过 ES|QL 对 KI 索引执行混合 BM25 和语义搜索，并基于检索到的指示符构建答案。上下文中不再包含完整文档。

维基百科查询测试的令牌和延迟对比：

| 指标 | 标准 RAG | 使用 KI | |--------------|----------|---------| | 工具调用次数 | 8 | 2 | | 使用的令牌数 | 386,187 | 27,625 | | 延迟 | 44.86 秒 | 15.22 秒 |

答案内容一致且基于相同来源材料。该方法兼容 LangChain、Elastic Agent Builder 和 Claude Code，无需修改代理框架。

查询-ki 技能运行的 ES|QL 混合搜索查询示例。

工作流 YAML、完整的 KI 结构和完整的 ES|QL 查询均在上方链接的博客文章中。

在 APM 跟踪视图中直观查看 LLM 调用详情

如果使用 OpenTelemetry 对生成式 AI（GenAI）应用进行监控，LLM 调用现在会以正确跨度形式显示在 Elastic APM 跟踪瀑布图中。跨度弹出窗口新增的 GenAI 选项卡允许您查看每次调用的系统提示、输入消息和模型响应，并提供字段复制按钮。

这是跨度弹出窗口中的 GenAI 选项卡，显示模型提供商、输入消息和完整响应。

令牌计数以徽章形式显示在瀑布图中每个 GenAI 跨度行。在包含多个 LLM 调用的代理跟踪中，无需逐一打开跨度即可快速识别消耗令牌的主要调用。

该功能遵循 OpenTelemetry GenAI 语义规范（v1.37.0+），兼容所有 OTel 监控提供商：OpenAI、Anthropic、AWS Bedrock 等。如果监控已发出 GenAI 属性，无需 Kibana 配置。该功能目前在无服务器环境中处于技术预览阶段，Stack 9.6 支持即将推出。设置说明和 OTel 属性使用指南详见博客文章。

1300 万次工具调用：如何在 1100 台机器上审计 AI 编码代理

AI 编码代理（如 Cursor）在开发人员账户下运行。当它们执行 shell 命令、读取文件或调用 MCP 服务器时，在终端检测与响应（EDR）日志中看起来与开发人员执行相同操作完全一致。事后无法判断某个命令是来自人类还是模型。

Elastic Security Labs 团队使用 Cursor 内置的钩子（hooks）构建了轻量级审计方案。钩子在定义的生命周期节点触发（例如 shell 执行前后、MCP 工具调用前后、文件读写操作以及会话开始和结束）。一个 280 行的无依赖 bash 脚本将每个事件以结构化 JSON 格式捕获，Elastic Agent 通过自定义日志集成将数据发送至 Elasticsearch。

从 Cursor 钩子到 bash 收集器、Elastic Agent，最终进入 Elasticsearch 的事件流。

在部署到 1,100 多台机器后，他们收集到 1300 万条事件。数据揭示了以下几点：

• 文件读取次数与 shell 命令的比例约为 4:1。代理在执行任何操作前，大部分时间都用于阅读代码库。

• 数据中出现了 300 多个不同的 MCP 服务器，其中 86% 的服务器仅连接了 1-2 人，这极大简化了资产盘点和风险评估。

• ES|QL 可轻松用于搜索特定模式：凭证文件读取、下载并执行链，或在整个舰队中获取完整的 MCP 服务器清单。

钩子机制默认仅用于监控（代理不会被阻断，仅被观察），但 Cursor 支持阻断钩子，如需为敏感操作添加审批关卡。相同的机制也适用于 Claude Code 和其他提供类似钩子接口的代理。

用于搜索 AI 代理跨舰队读取凭证文件的 ES|QL 查询。

收集器脚本、钩子配置和 Elastic Agent 集成设置可在文章链接的仓库中找到，还包括 ES|QL 查询、字段级安全设置以及关于隐私和透明度的说明。

博客、视频和相关链接

• 向量数据库：Dustin Coates 介绍 Elasticsearch 向量数据库，这是为基于向量的应用优化的新无服务器解决方案。

• 智能 SOC：了解 Maggie Musquez 如何将 AI 告警分类准确率从 60% 提升至 92%。

• Lucene：Parker Timmins 和 Martijn Van Groningen 演示 Lucene 查询重写规则，使列式模式下的两个字符串扫描查询速度提升 2.3 倍和 1.6 倍。

• 代理构建器：Jeffrey Rengifo 分享三个 ES|QL 工具和二十多行查询文本，将 AI 根因分析转化为可检查的内容。

• Kibana 仪表板：Teresa Alvarez Soler 和 Rudolf Meijering 演示如何找出哪些 Kibana 仪表板被使用或发现损坏的仪表板。

• 时间序列数据：Mary Gouseti 解释如何将带有过去时间戳的文档直接写入 Elasticsearch 时间序列数据流。

查看这些视频：

• Elasticsearch 指标引擎内部解析：JP Hwang 的技术深度解析

• Elastic Security 9.5 中的 SOC 案例管理：Melissa Burpo 的模板和可查询案例分析

• Jen Luther Thomas 展示 Elastic 如何在您之前调查 Kubernetes 事件

社区精选博客：

• Aravind Selvan、Calder Lund 和 Gaurang Sadekar 重建 Notion 的词法搜索重新索引器

• Christophe Chaussat 使用 Fluent Bit 和 Elasticsearch 处理异构 IoT 日志

• Baburaj R：我让 AI 代理访问 Elasticsearch，然后在后面加了锁

即将举办的活动

Elastic{ON} Tour 是我们为期一天的会议系列活动，旨在将全球的 Elastic 社区成员聚集在一起，现在回归了！

纽约地区社区：10 月 8 日，加入我们，参与全天的技术会议、实际案例分享，并与 Elastic 用户和专家交流。立即预留席位，参加 Elastic{ON} 纽约活动。

您还可以注册参加以下城市的活动：

• 孟买 — 9 月 30 日
• 阿姆斯特丹 — 10 月 20 日
• 旧金山 — 11 月 4 日
• 伦敦 — 2 月 25 日
• 新加坡 — 3 月 23 日

想在 Elastic{ON} 上演讲吗？我们仍在接受针对部分即将举办的 Elastic{ON} 活动的演讲提案！我们寻找涵盖 Elasticsearch、Kibana、搜索、可观测性、安全性和实际应用案例的 30 分钟技术演讲。无论您是 Elastic 的新用户还是经验丰富的用户，我们都期待听到您的想法。

立即提交您的提案。

加入您当地的 Elastic 用户组分会，获取最新活动资讯！您也可以在 meetup.com 上找到我们。如果您有兴趣在 meetup 上演讲，请发送邮件至 [email protected] 。

本文中描述的任何功能或功能的发布和时间安排均由 Elastic 单独决定。任何当前不可用的功能可能无法按时或根本不会交付。在本文中，我们可能已使用或引用了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 对第三方工具没有任何控制权，也不对这些工具的内容、操作或使用承担任何责任或赔偿，也不对因使用这些工具而可能产生的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时，请务必谨慎。您提交的任何数据可能会用于 AI 训练或其他目的。无法保证您提供的信息将被安全或保密地保存。在使用任何生成式 AI 工具之前，请熟悉其隐私政策和使用条款。Elastic、Elasticsearch 及相关标志是 elasticsearch B.V. 在美国和其他国家/地区的商标、标志或注册商标。所有其他公司和产品名称均为其各自所有者的商标、标志或注册商标。