基于Elasticsearch的零人工决策灾害响应系统实测
13.7万人零人工决策：基于Elasticsearch的智能代理驱动灾害响应
先聚焦一个核心应用场景。Elastic近期完成了一次大规模模拟演练：协调七个军事设施中超过13.7万名军事人员的自动疏散，整个过程无需人工介入。当一场四级飓风威胁汉普顿路海岸线时，Elasticsearch的地理空间富化功能在索引阶段即识别出受影响区域内的所有设施。Kibana检测规则随即触发，启动了一个AI代理对话工作流。该代理综合考量容量、距离、兵种兼容性等多个维度，一次性发出16条疏散与接收通知。从原始灾害预警事件到最终协调行动，全程自动化运行。
每年，自然灾害都在迫使应急管理者、军事指挥官和公共安全官员在极短时间内做出高风险决策。传统应对方式依赖电话树、电子表格以及分散在数十人之间的机构知识，仅协调环节就会消耗大量宝贵时间。
本文展示的是，Elastic如何为灾害响应构建一个灵敏的代理式协调系统，该系统能够检测威胁、推算物流方案并自动执行行动。为更直观地说明问题，我们搭建了一个模拟场景：一场虚构的四级飓风威胁汉普顿路海岸线，触发七个军事设施中超过13.7万名人员的自动化转移。需说明的是，这是完全虚构的场景，仅用于演示目的。
为什么灾害响应自动化需要地理空间与代理式协调
当自然灾害威胁关键基础设施时，协调挑战立刻浮现：哪些设施处于受影响区域？多少人员需转移？能转移到哪里？这些设施的接收能力如何？当前需要通知谁？这些问题容不得半点迟疑，答案也必须分秒必争。
部署管线：前提条件与设置
按照示例仓库中的说明，通过Cloud Connect部署一个带有Elastic Inference Service的本地Elastic集群即可。
Elasticsearch代理式灾害响应管线的工作原理
该管线由七个层协同工作，实现端到端响应：
下面我们逐一拆解这些环节。
第1步：用地理边界索引军事设施
基础数据来自美国国防部（DoD）的MIRTA数据集。该数据集为每个设施提供Point类型的geo_shape（即中心点坐标），而非完整的边界多边形。在mitra-facilities索引中，每个设施文档均使用操作概况数据进行富化——这些数据均为虚构，超出MIRTA提供内容。
正是这个丰富的索引让AI代理能够做出智能分配决策：不仅识别“这里是附近的基地”，更判断“这里有可用的住房容量、兼容的任务类型以及能接收入站资产的物流能力”。
第2步：摄入并标准化GDACS事件
GDACS发布地震、热带气旋、洪水、野火、火山和干旱的实时GeoJSON数据。我们使用自定义摄入管线将数据流摄入到数据流中，该管线负责将原始GeoJSON标准化为ECS字段。
GDACS摄入管线执行几项关键操作。几何提取方面，中心点存储为geo_point用于地图显示，影响多边形存储为gdacs.affected_area中的geo_shape，供后续交叉查询使用。严重性标准化方面，每种灾害类型都有不同的严重性等级——热带气旋以千米/小时风速衡量，地震以里氏震级衡量。管线将它们全部映射为0-100的标准化分数。标准化后的严重性分数再映射至severity_level标签，用于检测规则中的告警严重性映射。ECS对齐方面，event.kind设为alert，event.category设为threat，时间戳映射至event.start/event.end，同时使用基于稳定指纹的_id实现去重。
第3步：地理空间富化——在索引时查找受影响的设施
Elasticsearch的geo_match富化策略在索引时直接将灾害多边形与每个设施边界进行匹配，无需查询时的连接操作。我们并非在搜索时查询，而是在摄入管线中使用富化处理器：在文档被索引时，将灾害影响多边形与每个设施边界进行匹配。富化策略为geo_match策略。INTERSECTS会捕获任何边界接触或与灾害多边形重叠的设施，即便只是部分交叉。结果，每个GDACS事件文档都存储了一个affected_facilities嵌套数组，精确告知哪些设施位于影响区域内，无需连接查询。
第4步：检测规则——对设施影响进行告警
Kibana检测规则监视logs-gdacs.events-*数据流，当GDACS事件至少被一个受影响设施富化时触发。规则按小时计划运行，覆盖最近一小时的时间窗口，并使用动态严重性映射——摄入管线计算的gdacs.severity_level字段自动驱动告警严重性。告警严重性还通过字段映射驱动风险分数。规则触发时，将完整的告警上下文（包括富化后的affected_facilities数组）向下游传递给Kibana工作流。
第5步：工作流自动化——连接告警与代理
Kibana Workflows处理从检测到响应的交接。自然灾害响应工作流由告警触发。整个告警负载——灾害类型、严重性、受影响区域以及受影响设施列表——作为初始上下文转发给AI代理，代理将从此处接管。
第6步：AI代理——从数据到协调行动
mitra.response代理接收完整的告警负载，在一个代理式循环中评估范围、查找接收设施、分配人员并发送疏散和接收通知，所有这些均无需人工干预。代理配备两个可用工具：mitra.nearest_facility使用geo_shape查询mitra-facilities索引，按距给定坐标的距离排序，返回最多50个附近有可用容量的活跃设施；mitra.send_email遍历设施对象的JSON数组，发送格式化的疏散或接收通知。
代理的指令集定义了一个清晰的工作流：评估情况，解析告警，识别受影响设施，确定灾害范围；清点需转移的物品（包括各设施的人员数量、关键资产、住房需求）；查找目的地设施，为每个受影响设施调用nearest_facility，过滤掉仍在危险区域内的设施；做出分配决策，推理单一设施与多设施方案、兵种兼容性、住房容量、资产支持；发送协调电子邮件，向源设施发送疏散命令，向接收设施发送接收通知；生成摘要报告，包含所有受影响设施、总人员、转移资产、目的地设施等信息。
代理的分配逻辑遵循现实约束：不超出住房容量，尽可能优先考虑同兵种重新安置，使用联合基地处理多兵种溢出，并优先考虑距离以最大程度减少运输时间。底层工作流查询使用带有圆形过滤器和_geo_distance排序的geo_shape。可用容量在查询时通过脚本字段计算（住房容量减去当前人员数量），代理据此在不超出限制的情况下将人员分配到各个目的地。
飓风ELARA-26：13.7万人员的代理式端到端协调
飓风ELARA-26是一场四级风暴，最大风速213公里/小时，预计在弗吉尼亚州汉普顿路地区登陆。当GDACS事件被摄入时，受影响区域的多边形与该地区七个主要军事设施相交。检测规则触发，工作流启动了一个代理对话。
在一个代理式循环中，代理执行了以下操作：识别影响区域内的七个设施（总计137,372名人员）；调用nearest_facility查找风暴路径之外的接收设施；根据可用住房容量和距离，将人员分配到九个接收设施；生成并向所有七个受影响设施发送疏散命令；生成并向所有九个接收设施发送接收通知；生成完整的协调摘要。
重新安置的资产包括运输车辆、直升机、巡逻艇、医疗部队、工程车辆、发电机、水拖车、避难工具包和通信系统。
自动化电子邮件通知
代理最终确定分配计划后，调用send_email一次性发送16封电子邮件——向七个受影响设施发送疏散命令，向九个接收设施发送接收通知。每条消息包含目的地设施、接收人员数量、需转移资产以及协调联系人。原本需要数小时电话协调的工作，在代理完成推理的那一刻便自动完成。
通过RAG与政策依据扩展代理式灾害响应
这个演示纯粹基于结构化数据（容量数字、距离和操作状态）。Elastic的语义搜索与检索增强生成功能可通过两项附加能力显著提升代理的智能化水平。历史响应检索：将过去的行动后报告、FEMA事件摘要和灾害响应记录索引为向量嵌入。当新事件发生时，代理可语义检索类似事件的处理方式，用机构知识而非仅凭容量计算来指导分配决策。政策与原则依据：索引DoD应急管理指令、设施持续运行计划和指挥官指南。代理可检索并引用管理响应的实际政策，确保每个决策基于原则而非推断。这两项能力均遵循相同的Elastic原生方法：推理管线在索引时生成嵌入，并将语义搜索工具暴露给代理。协调管线保持不变，代理只会变得更智能。
为什么Elasticsearch是公共部门代理式响应的理想平台
这不是一个聊天机器人，也不是一个仪表板。它是一个响应迅速的代理式工作流系统，能够检测威胁、推理复杂的物流问题，并在无人工干预的情况下协调13.7万人的重新安置。这种结果之所以可能，在于其依赖的每项功能都存在于一个统一平台中。Elasticsearch的地理空间支持处理空间推理，实现大规模的交叉检测与设施查找。语义搜索与向量嵌入让代理基于事实，确保AI推理建立在数据实际内容之上。Kibana的检测引擎、Workflows、Agent Builder等工具将所有这些连接成一个管线——从原始事件到协调行动，无需任何外部粘合代码。实时索引、地理空间精度、语义检索与代理式编排的结合，全部在一个堆栈中，并内置企业级安全性和可观测性——这正是Elastic与那些仅擅长某一点却需自行拼凑其余部分的工具之间的区别。
应急管理、消防、执法与公共卫生领域的代理式地理空间响应
相同的架构适用于人员、设施与实时事件相互交叉的任何场景。具体数据会变化，但管线不会。应急管理方面，FEMA与州应急管理办公室可将避难所位置、集结区和脆弱人群与传入的国家气象局恶劣天气多边形进行匹配，在风暴登陆前自动预先部署资源。消防与紧急医疗服务方面，消防部门可将单位位置和响应区域叠加到野火边界或结构火灾群组上，自动将互助请求路由至最近且配备正确设备的可用单位。执法方面，机构可将活跃事件位置与学区、关键基础设施和警官位置关联起来，触发地理感知的封锁通知或资源调度。公共学校安全方面，学区可监控针对校园边界的实时威胁源，当威胁与学校周边相交时，代理立即通知管理部门，启动封锁通信并协调执法响应。公共卫生方面，卫生部门可将疾病监测数据或环境危险区域与诊所位置、人口密度图层和物资仓库库存进行匹配，将资源分配到最需要的地方。在每种场景中，摄入、索引时富化、检测交叉、触发代理式响应并采取行动的基本模式完全相同。Elastic为公共部门组织提供了一个可以构建一次并在任何地方适应的平台。