一、核心优势
·方式多样：可通过机器学习节点部署自有模型，直接调用开箱即用的原子服务，或者直接调用第三方推理服务
·原生集成：与 ES 的 ingest pipeline、向量字段、搜索 API 体验无缝集成
二、准备工作
环境要求
·Elasticsearch 版本：8.16 及以上，建议尽量采用最高的稳定版本。
·机器学习节点：如果通过机器学习节点部署模型，请确保集群中至少配置一个机器学习节点（专用于模型推理）
模型准备
根据业务需求选择合适的模型类型，如：
·文本嵌入模型：用于生成文本向量（如bge-m3, .multilingual-e5-small）
·重排序模型：用于搜索结果精排
·大模型：用于文本生成和问答
注意：说明：
注意：选择模型时，你应该关注模型的参数，例如不同的 embedding 模型决定了向量的维度，支持的语言等。