Wprowadzenie do indeksów Pinecone

Tworzenie aplikacji AI z Pinecone

James Chapman

Curriculum Manager, DataCamp

Czego się nauczysz...

Tworzenie indeksów i dodawanie wektorów
Pobieranie i odpytywanie wektorów
Tworzenie typowych aplikacji AI

→ Budowanie i skalowanie aplikacji GenAI!

wyszukiwanie semantyczne

Indeksy

Przechowywanie wektorów
Obsługa zapytań i innych operacji na wektorach
Indeks zawiera rekordy dla każdego wektora, wraz z metadanymi
Możliwość tworzenia wielu indeksów

Szafka na dokumenty z czterema szufladami, każda zawierająca kilka folderów.

Oparty na podach

Pod zawierający kilka indeksów.

Wybór sprzętu do tworzenia indeksu → pody
Typ poda określa przestrzeń, opóźnienie i przepustowość zapytań

Bezserwerowy

Indeksy przechowywane w chmurze.

Brak zarządzania zasobami
Indeksy skalują się automatycznie
Działają w chmurze, dane w magazynie blob
Łatwiejsze w użyciu i często tańsze

Tego będziemy używać w kursie

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

Tworzenie klucza API Pinecone

Utwórz konto Pinecone Starter → pinecone.io
Przejdź do „API Keys"
Skopiuj swój klucz API

Strona główna Pinecone

Strona kluczy API Pinecone

Tworzenie indeksu bezserwerowego

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'

    )

)

Sprawdzanie indeksów

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'}}]}

Czas na ćwiczenia!

Tworzenie aplikacji AI z Pinecone