作者来自 Elastic Marta Bondyra 及 Teresa Alvarez Soler用自然语言描述你的指标Kibana 的 AI 聊天会生成由 ES|QL 支持的仪表板和 Vega-Lite 图表从散点图到条件格式和自定义工具提示。Kibana 的 AI 聊天现在可以根据自然语言提示在不到一分钟内构建完整的 Elasticsearch Query Language ES|QL 支持的仪表板。在 Elastic 9.5 中该功能正式发布 GA 在 9.4 中为技术预览版新增了错误恢复能力可自动重试失败的查询通过分层模型路由将 ES|QL 生成成本降低 5 倍并支持交互式过滤控件。此次发布还新增了通过自然语言创建 Vega-Lite 图表的能力包括散点图、箱线图、条件格式以及自定义工具提示而这些功能通常需要手动编写 JSON 才能实现。Kibana AI 仪表板创建功能有哪些新内容能力技术预览版9.4正式发布9.5错误处理ESQL 查询失败后不会重试ESQL 生成成本所有查询均通过主模型路由时间范围固定默认窗口根据数据时间分布自动选择过滤控件不支持会自动为最相关字段添加Vega-Lite 图表不支持支持通过自然语言创建包括散点图、箱线图、条件格式和自定义工具提示图表编辑不支持支持通过自然语言编辑现有 Vega-Lite 面板AI 仪表板生成的自动错误恢复在技术预览版中 agent 不会重试失败的 ES|QL 查询。在 9.5 中它能够检测查询错误并最多重试三次在放弃之前检查每次错误并调整查询。实际使用中这消除了大部分空面板问题并能够首次尝试就生成正确渲染的仪表板。为什么 Elastic 9.5 中 AI 仪表板创建成本更低仪表板生成过程中的每个步骤并不都需要相同级别的推理能力。在 9.5 中 ES|QL 生成默认通过更轻量级的模型进行路由仅在需要时才回退到主模型。如果你的连接器使用 Anthropic 的 Claude Opus 4.8那么所有面板的 ES|QL 生成成本都会降低 5 倍。基于数据自动选择时间范围只有展示正确时间窗口的数据仪表板才真正有价值。现在 agent 会应用改进后的逻辑根据正在查询的数据选择合理的时间范围除非用户指定了特定时间范围。它会考虑数据的时间分布并进行相应调整例如实时事件可能选择最近一小时而趋势分析可能选择最近 90 天而不是固定使用默认时间窗口。AI 生成仪表板中的自动过滤控件仪表板创建现在支持控件 controls 也就是交互式过滤器允许查看者根据字段值缩小仪表板范围而无需编辑底层查询。在生成仪表板时 agent 会自动在顶部添加控件用于过滤最相关的字段。通过自然语言创建 Vega-Lite 图表超越默认设置的图表类型和格式Vega 和 Vega-Lite 在 Kibana 中支持广泛的图表类型和自定义功能。在 9.5 中你可以通过自然语言创建这些图表而无需自己编写代码。散点图、箱线图以及更多 Vega-Lite 图表类型Vega-Lite 支持多种图表类型包括散点图、箱线图、分面小倍图 faceted small multiples 、气泡图以及组合图表例如将直方图与热力图结合等。例如输入类似“显示响应时间与请求大小之间关系的散点图并根据服务名称着色”的提示词会生成一个具有正确数据映射的 Vega-Lite 面板。这些图表会使用 Kibana 的默认调色板与仪表板中的其他内容保持一致。展示四种不同 Vega-Lite 图表的仪表板箱线图、散点图、小倍图以及带边缘直方图的热力图。标准图表中的条件格式、自定义工具提示和标签即使对于仪表板中已经原生支持的图表类型例如柱状图、折线图或面积图有时你仍然需要比默认功能更多的控制能力。通过聊天使用 Vega-Lite 可以填补这一空白。一些示例包括条件颜色格式根据阈值以不同颜色显示数据点例如当某个指标超过你的服务级别目标 SLO 时将折线图中的数据点或柱状图中的柱子显示为红色。你可以向 agent 提出类似这样的请求“将我的折线图中所有超过 500ms 的点标记为红色。”自定义标记和标签为数据点添加 emoji、符号或内嵌文本标签以便快速查看状态指示信息。自定义工具提示通过额外的指标、上下文信息或计算值丰富悬停状态这些信息不属于图表坐标轴的一部分。你可以提出类似这样的请求“添加一个工具提示显示总记录数量以及每个柱状图所占的百分比。”这同样适用于编辑现有的 Vega 图表。如果你有一个需要调整的 Vega-Lite 面板例如修改颜色比例、调整坐标轴或切换标记类型可以直接在聊天中描述修改内容而无需深入修改 JSON 代码。我们如何在 Kibana 中构建自然语言 Vega-Lite 生成能力根据一句话生成 Vega-Lite 图表并不是简单地向模型发送一个“生成 JSON”的提示词请求。我们构建了一个小型 agent 流程将自然语言意图转换为经过验证、基于真实数据的图表。当收到请求时 agent 首先判断 Vega-Lite 是否适合该场景。对于 Vega-Lite 请求它会基于 Elasticsearch 中真实的 ES|QL 查询为可视化提供数据依据然后使用模型生成 Vega-Lite 代码。在渲染之前结果会经过一个标准化层用于修正 schema 并绑定规范化查询。同时它还会应用渲染安全转换。一些设计选择使该工作流更加可靠类型化工具调用图表创建是结构化工具调用而不是将自由格式的 Vega-Lite 代码直接粘贴到对话中。受约束生成模型会在定义好的 schema 范围内生成 Vega-Lite 代码使输出更加可预测也更容易验证。精选示例结构模式例如分面、分层标记和热力图为模型提供指导而不会复制底层数据。执行与验证循环在编写图表之前会先执行查询验证失败时会触发针对 ES|QL 生成的修正重试。在 Kibana 中尝试 AI 仪表板创建和 Vega-Lite 图表要尝试自然语言仪表板创建和 Vega-Lite 图表请升级到Elastic 9.5或开始免费试用然后在 Kibana 中打开聊天功能。接着请它根据你的数据构建仪表板。对于 Vega-Lite可以尝试请求一种你一直想使用但从未创建过的图表类型例如散点图或气泡图。如果生成的结果不完全符合预期可以告诉 agent 需要修改什么。它会与你一起进行迭代。此功能需要 Enterprise 许可证。开始使用。本文中描述的任何功能或特性的发布时间和安排均由 Elastic 自行决定。目前尚未提供的任何功能或特性可能不会按时交付甚至可能不会交付。原文https://www.elastic.co/search-labs/blog/ai-dashboards-kibana-vega-lite