Introduzione agli indici Pinecone

Database vettoriali per Embeddings con Pinecone

James Chapman

Curriculum Manager, DataCamp

Imparerai a...

Creare indici e inserire vettori
Recuperare e interrogare vettori
Creare comuni applicazioni AI

→ Creare e scalare app GenAI!

ricerca semantica

Indici

Memorizza vettori
Serve query e altre operazioni sui vettori
Un indice contiene record per ogni vettore, incluse metadati
Puoi creare più indici

Un archivio con quattro cassetti, ognuno con più cartelle.

Basati su pod

Un pod che contiene diversi indici.

Scegli l'hardware per creare l'indice → pod
Il tipo di pod determina storage, latenza delle query, throughput

Serverless

Indici archiviati nel cloud.

Niente gestione risorse
Gli indici scalano automaticamente
Girano su cloud e salvano in blob
Più facile e spesso meno costoso

Quello che useremo nel corso

¹ https://docs.pinecone.io/guides/indexes/understanding-indexes

Creare una API key di Pinecone

Crea un account Pinecone Starter → pinecone.io
Vai a "API Keys"
Copia la tua API key

Homepage di Pinecone

Pagina delle API key di Pinecone

Creare un indice serverless

from pinecone import Pinecone, ServerlessSpec


pc = Pinecone(api_key="API_KEY")


pc.create_index(

    name='datacamp-index',

    dimension=1536,

    spec=ServerlessSpec(

        cloud='aws', 
        region='us-east-1'

    )

)

Verificare gli indici

pc.list_indexes()

{'indexes': [{'dimension': 1536,
              'host': 'datacamp-index-1eef0f4.svc.aped-4627-b74a.pinecone.io',
              'metric': 'cosine',
              'name': 'datacamp-index',
              'spec': {'serverless': {'cloud': 'aws', 'region': 'us-east-1'}},
              'status': {'ready': True, 'state': 'Ready'}}]}

Ayo berlatih!

Database vettoriali per Embeddings con Pinecone