Introduction aux index Pinecone

Créer des applications d'IA avec Pinecone

James Chapman

Curriculum Manager, DataCamp

Vous apprendrez à…

Créer des index et ingérer des vecteurs
Récupérer et interroger des vecteurs
Créer des applications d'IA courantes

→ Créer et mettre à l'échelle des applications GenAI !

recherche sémantique

Index

Stocker des vecteurs
Servir des requêtes et autres manipulations de vecteurs
Un index contient des enregistrements pour chaque vecteur, avec des métadonnées
Possibilité de créer plusieurs index

Une armoire de classement à quatre tiroirs, chacun contenant plusieurs dossiers.

Basé sur des pods

Un pod contenant plusieurs index.

Choisir le matériel pour créer l'index → pods
Le type de pod détermine le stockage, la latence et le débit des requêtes

Sans serveur

Index stockés dans le nuage.

Aucune gestion des ressources
Les index se mettent à l'échelle automatiquement
Exécutés dans le nuage et stockés en blob
Plus simple et souvent moins coûteux

Ce que nous utiliserons dans ce cours

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

Créer une clé API Pinecone

Créez un compte Pinecone Starter → pinecone.io
Allez à « API Keys »
Copiez votre clé API

Page d'accueil de Pinecone

Page des clés API de Pinecone

Créer un index sans serveur

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'

    )

)

Vérifier nos index

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'}}]}

Passons à la pratique !

Créer des applications d'IA avec Pinecone