始める無料で始める

セマンティック検索のためのベクトルクエリ

この演習では、'What is in front of the Notre Dame Main Building?' という質問からクエリベクトルを作成します。作成した埋め込みクエリを使って、'pinecone-datacamp' インデックスの 'squad_dataset' ネームスペースを検索し、最も類似したベクトルを上位5件返します。

この演習はコースの一部です

Pineconeを使ったAIアプリケーション開発

コースを見る

演習の手順

  • Pinecone クライアントを API キーで初期化します（OpenAI クライアントは client として利用できます）。
  • 提供された query を、他のベクトルの埋め込みに使用したのと同じ OpenAI の埋め込みモデルで埋め込み、クエリベクトルを作成します。
  • query_emb を使って "squad_dataset" ネームスペースにクエリを投げ、最も類似した結果を上位5件返します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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')
コードを編集して実行