LoslegenKostenlos loslegen

Vektoren für die semantische Suche abfragen

In dieser Übung erstellst du einen Abfragevektor aus der Frage „ 'What is in front of the Notre Dame Main Building?' “ (Was ist die Bedeutung von „Ich bin ein Mann, der sich um sich selbst kümmert“?). Mit dieser eingebetteten Abfrage fragst du den Namespace „ 'squad_dataset' ” aus dem Index „ 'pinecone-datacamp' ” ab und gibst die fünf ähnlichsten Vektoren zurück.

Diese Übung ist Teil des Kurses

Vektordatenbanken für Einbettungen mit Pinecone

Kurs anzeigen

Anleitung zur Übung

  • Starte den Pinecone-Client mit deinem API-Schlüssel (der OpenAI-Client ist unter client verfügbar).
  • Erstell einen Abfragevektor, indem du die „ query ” mit demselben OpenAI-Einbettungsmodell einbettest, das du auch für die anderen Vektoren benutzt hast.
  • Frag den Namensraum „ "squad_dataset" “ mit „ query_emb “ ab und gib die fünf ähnlichsten Ergebnisse zurück.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Initialize the Pinecone client
pc = Pinecone(api_key="____")
index = pc.Index('pinecone-datacamp')

query = "What is in front of the Notre Dame Main Building?"

# Create the query vector
query_response = ____(
    input=____,
    model="text-embedding-3-small"
)
query_emb = query_response.data[0].embedding

# Query the index and retrieve the top five most similar vectors
retrieved_docs = ____

for result in retrieved_docs['matches']:
    print(f"{result['id']}: {round(result['score'], 2)}")
    print('\n')
Code bearbeiten und ausführen