แนะนำ Pinecone indexes

การสร้างแอปพลิเคชัน AI ด้วย Pinecone

James Chapman

Curriculum Manager, DataCamp

สิ่งที่จะได้เรียนรู้...

สร้าง index และนำเข้าเวกเตอร์
ดึงข้อมูลและค้นหาเวกเตอร์
สร้างแอปพลิเคชัน AI ทั่วไป

→ สร้างและขยายแอปพลิเคชัน GenAI!

semantic search

Indexes

จัดเก็บเวกเตอร์
รองรับการค้นหาและการจัดการเวกเตอร์
Index มีเรกคอร์ดสำหรับแต่ละเวกเตอร์ รวมถึงเมทาดาทา
สร้างได้หลาย index

ตู้เก็บเอกสารสี่ลิ้นชัก แต่ละลิ้นชักมีหลายแฟ้ม

แบบ Pod-Based

Pod ที่มีหลาย index อยู่ภายใน

เลือกฮาร์ดแวร์เพื่อสร้าง index → pods
ประเภท Pod กำหนดพื้นที่จัดเก็บ latency และปริมาณการค้นหา

แบบ Serverless

Index ที่จัดเก็บบนคลาวด์

ไม่ต้องจัดการทรัพยากร
Index ขยายขนาดอัตโนมัติ
รันบนคลาวด์ และจัดเก็บใน blob
ใช้งานง่ายและมักมีต้นทุนต่ำกว่า

สิ่งที่ใช้ในคอร์สนี้

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

การสร้าง Pinecone API key

สร้างบัญชี Pinecone Starter → pinecone.io
ไปที่ "API Keys"
คัดลอก API key ของคุณ

หน้าแรกของ Pinecone

หน้า API keys ของ Pinecone

การสร้าง serverless index

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'

    )

)

ตรวจสอบ indexes

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'}}]}

มาฝึกกันเถอะ!

การสร้างแอปพลิเคชัน AI ด้วย Pinecone