查询向量

使用 Pinecone 构建 AI 应用

James Chapman

Curriculum Manager, DataCamp

查询的力量

查询：返回与输入向量在语义上最相似的向量

将用户输入嵌入并用于查询 Pinecone 向量数据库。

.query() 方法

index.query(

  vector=[-0.250919762305275, ...],

  top_k=3

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': []},
             {'id': '2', 'score': 0.046000585, 'values': []},
             {'id': '3', 'score': 0.0458319113, 'values': []}],
 'namespace': '',
 'usage': {'read_units': 5}}

.query() 方法

index.query(
    vector=[-0.250919762305275, ...],
    top_k=3,

    include_values=True

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': [-0.0131468913, ...]},
             {'id': '2', 'score': 0.046000585, 'values': [-0.0120476764, ...]},
             {'id': '3', 'score': 0.0458319113, 'values': [0.00285418332, ...]}],
 'namespace': '',
 'usage': {'read_units': 5}}

查询的读取单位（RUs）

对查询而言，RUs 更难精确计算
取决于：
- 命名空间中的记录数
- 记录大小
  - 向量维度
  - 元数据量

查询时消耗的 RUs 表格。

¹ https://docs.pinecone.io/guides/organizations/manage-cost/understanding-cost#query

距离度量

余弦相似度：显示两个向量间的角度。

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

距离度量

欧氏距离：显示两个向量的直线距离。

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

距离度量

点积：展示如何由向量间角度计算取值。

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

设置距离度量

pc.create_index(
    name="datacamp-index", 
    dimension=1536,

    metric='dotproduct',

    spec=ServerlessSpec(
        cloud='aws', 
        region='us-east-1'
    )
)

metric → 'cosine'、'euclidean'、'dotproduct'

轮到您来查询！

使用 Pinecone 构建 AI 应用