Mulai sekarangMulai gratis

Indeks Pinecone pertama Anda

Dengan klien Pinecone Anda yang sudah diinisialisasi, Anda siap untuk mulai membuat sebuah indeks! Indeks digunakan untuk menyimpan rekaman, termasuk vector dan metadata terkait, serta melayani query dan manipulasi lainnya. Seiring kemajuan Anda dalam kursus ini, Anda akan melihat bagaimana langkah-langkah berbeda ini membangun sebuah sistem AI modern yang bertumpu pada vector database.

Jika Anda tidak sengaja membuat indeks valid yang tidak memenuhi spesifikasi seperti dijelaskan pada instruksi, Anda perlu menambahkan kode berikut sebelum kode .create_index() Anda untuk menghapusnya dan membuatnya kembali:

pc.delete_index('my-first-index')

Kelas Pinecone sudah diimpor untuk Anda.

Latihan ini merupakan bagian dari kursus

Database Vektor untuk Embeddings dengan Pinecone

Lihat Kursus

Instruksi latihan

  • Impor kelas ServerlessSpec dari pinecone.
  • Inisialisasi koneksi Pinecone menggunakan kunci API Anda.
  • Buat indeks serverless bernama "my-first-index" untuk menampung vektor berdimensi 256, dan konfigurasikan indeks untuk platform cloud 'aws' di region 'us-east-1'.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import ServerlessSpec
from pinecone import ____

# Initialize the Pinecone client with your API key
pc = Pinecone(api_key="____")

# Create your Pinecone index
pc.____(
    name="____",
    dimension=____,
    spec=____(
        cloud='____'
        region='____'
    )
)
Edit dan Jalankan Kode