Вступ до індексів Pinecone

Створення AI‑застосунків із Pinecone

James Chapman

Curriculum Manager, DataCamp

Ви навчитесь…

Створювати індекси та завантажувати вектори
Отримувати та запитувати вектори
Створювати типові AI‑застосунки

→ Створювати й масштабувати GenAI‑застосунки!

семантичний пошук

Індекси

Зберігати вектори
Обслуговувати запити та інші операції з векторами
Індекс містить записи для кожного вектора, зокрема метадані
Можна створювати кілька індексів

Картотека з чотирма шухлядами, у кожній кілька папок.

На базі pod

Pod, що містить кілька індексів.

Оберіть апаратні ресурси для індексу → pods
Тип pod визначає сховище, затримку запитів, пропускну здатність

Serverless

Індекси в хмарі.

Без керування ресурсами
Індекси масштабуються автоматично
Працюють у хмарі й зберігаються в blob
Простіші у використанні та часто дешевші

Що ми використаємо в цьому курсі

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

Створення API‑ключа Pinecone

Створіть обліковий запис Pinecone Starter → pinecone.io
Перейдіть до «API Keys»
Скопіюйте свій API‑ключ

Головна сторінка Pinecone

Сторінка API‑ключів Pinecone

Створення serverless‑індексу

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'

    )

)

Перевірка наших індексів

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'}}]}

Давайте потренуємось!

Створення AI‑застосунків із Pinecone