의미 검색을 위한 벡터 질의
이 연습 문제에서는 질문 'What is in front of the Notre Dame Main Building?'에서 질의 벡터를 생성해 보겠습니다. 이 임베딩된 질의를 사용해 'pinecone-datacamp' 인덱스의 'squad_dataset' 네임스페이스를 조회하고, 가장 유사한 벡터 5개를 반환하세요.
이 연습은 강의의 일부입니다
Pinecone로 AI 애플리케이션 구축하기
연습 안내
- OpenAI 클라이언트는
client로 제공됩니다. Pinecone 클라이언트를 자신의 API 키로 초기화하세요. - 다른 벡터를 임베딩할 때 사용한 것과 동일한 OpenAI 임베딩 모델로 제공된
query를 임베딩해 질의 벡터를 만드세요. query_emb를 사용해"squad_dataset"네임스페이스를 질의하고, 상위 다섯 개의 유사한 결과를 반환하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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')