Introducere în indexurile Pinecone

Crearea aplicațiilor AI cu Pinecone

James Chapman

Curriculum Manager, DataCamp

Veți învăța să...

Creați indexuri și încărcați vectori
Regăsiți și interogați vectori
Construiți aplicații AI comune

→ Construirea și scalarea aplicațiilor GenAI!

căutare semantică

Indexuri

Stochează vectori
Execută interogări și alte operații pe vectori
Indexul conține înregistrări pentru fiecare vector, inclusiv metadate
Pot fi create mai multe indexuri

Un dulap cu patru sertare, fiecare conținând mai multe dosare.

Bazat pe pod-uri

Un pod conținând mai multe indexuri.

Alegeți hardware-ul pentru index → pod-uri
Tipul de pod determină stocarea, latența și debitul interogărilor

Serverless

Indexuri stocate în cloud.

Fără gestionarea resurselor
Indexurile scalează automat
Rulează în cloud și stochează în blob
Mai ușor de utilizat și adesea mai economic

Ce vom folosi în acest curs

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

Crearea unei chei API Pinecone

Creați un cont Pinecone Starter → pinecone.io
Accesați „API Keys"
Copiați cheia API

Pagina principală Pinecone

Pagina cheilor API Pinecone

Crearea unui index 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'

    )

)

Verificarea indexurilor

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'}}]}

Să exersăm!

Crearea aplicațiilor AI cu Pinecone