OpenAI 与 Elastic 解决企业 AI 上下文问题

我们很高兴你能在这里。你可以期待所有最优质的 TNS 内容每周一至周五准时送达，让你紧跟新闻，保持领先。

请查看你的收件箱，找到确认邮件，你可以在那里调整你的偏好设置，甚至加入其他讨论组。

在你最喜爱的社交媒体上关注 TNS。

成为 TNS 的 LinkedIn 粉丝。

在等待你第一份 TNS 新闻通讯期间，查看最新推荐和热门故事。

企业 AI 面临的上下文问题

毫无疑问，企业 AI 面临着上下文问题。虽然前沿模型能力惊人，但如果它们无法安全地访问企业真正需要的信息，就发挥不了什么作用。这是一个根植于所谓"上下文债"的问题，也是 OpenAI 和 Elastic 周四宣布扩大合作所要针对的挑战。

当检索遇见推理

通过将 OpenAI 的推理模型与 Elasticsearch 的搜索、检索和权限管理能力结合，这两家公司正面对准生产 AI 中最大的瓶颈之一。通常，信息分散在公司的文档、支持工单、日志文件、安全告警和多年的内部知识中。但其中大部分受到基于角色的访问控制 (RBAC) 的保护，需要 AI agent 只有在拥有权限的情况下才能检索。

这正是 Elastic 发挥作用的地方。OpenAI 利用 Elasticsearch 来呈现企业数据，同时遵守现有的访问控制，确保模型只对请求用户明确授权查看的数据进行推理。

AI 系统在开始推理前越善于找到自己需要的信息，成本就越低，通常准确度也越高。

两家公司自 2023 年以来就提供了基础连接器，但这次更深层的集成涵盖了三个核心运营方向：上下文感知 AI agents、agent 可观测性和 agent 安全。

AI 系统在开始推理前越善于找到自己需要的信息，成本就越低，通常准确度也越高。这一点超越了推理定价，还涉及到 agent 如何管理上下文的架构级决策。为了展示这在实践中的样子，Elastic 分享了其内部基准测试结果。该公司表示 Elasticsearch 在检索测试中达到了 0.89 的召回率，同时保持了多租户数据隔离。在另一个使用 BrowseComp-Plus 基准的实验中，Elastic 报告称其预计算知识指标相比标准 RAG 流水线将输入 token 使用量减少了多达 75%，同时将答案准确度从 60% 提升到 92%。

自主 Agent 的可观测性

这次合作还直接延伸到系统可观测性。随着工程师将自主 agents 推向生产环境，对模型行为、token 消耗和运行时故障模式的可见性成为了关键部分。

Elastic 整合了 OpenAI API 使用指标和审计记录，使 SRE 团队能够在单个控制面板内监控 token 使用、模型活动和基础设施遥测。因此，当事件确实发生时，Elastic 的 agent 调查工作流可以关联这些信号以识别根本原因并建议后续步骤，这减少了开发人员在日志和指标之间来回切换的时间。

安全告警成为攻击链

在安全方面，这一整合为企业 SOC 提供了直接的实际用途。安全分析师经常面临数千条孤立的告警。利用 OpenAI 的模型，Elastic Security 推动了一个"攻击发现"引擎，能够自动将分散的告警综合为映射到 MITRE ATT&CK 框架的连贯攻击链。这让分析师有机会审查有证据支持的叙述，而不是筛选原始日志条目。

分析师可以审查有证据支持的叙述，而不用筛选原始日志条目。

早期采用者报告了可衡量的运营改进：

Visa： 作为 SIEM 现代化计划的一部分，Visa 实施了包含人在环验证的 agent 工作流，将高风险主机框架检测的分类时间从 15 分钟缩短到秒级，同时保持完整的审计记录——这种有证据支持的决策追溯是每个 AI agent 工作流都需要的。

Airtel： 该公司的托管安全团队报告称，使用"攻击发现"和 Elastic Agent Builder，告警分类速度提升了 40%，整体事件调查时间减少了 30%。

展望未来，这一合作连接到 OpenAI 的 Daybreak Cyber 计划，计划将专化的安全模型整合到 Elastic Security 工作流中，以自动化事件响应建议并动态生成检测规则。

搜索引擎成为上下文引擎

Elasticsearch 花了十多年为人类检索企业数据编制索引。现在，它为自主 agents 履行同样的角色。通过支持模型上下文协议 (MCP)、Elastic Agent Builder 以及与 OpenAI Codex 的深度整合，开发人员可以直接将 agents 连接到企业数据源，而无需从头构建复杂的授权和检索胶水代码。