Aan de slagGa gratis aan de slag

Je eerste Pinecone-index

Nu je Pinecone-client is geïnitialiseerd, kun je aan de slag met het maken van een index! Indexen worden gebruikt om records op te slaan, inclusief de vectoren en bijbehorende metadata, en om queries en andere bewerkingen af te handelen. In de rest van de cursus zie je hoe deze stappen samenkomen in een modern AI-systeem dat draait op een vector database.

Als je per ongeluk een geldige index aanmaakt die niet aan de specificaties in de instructies voldoet, voeg dan vóór je .create_index() -code het volgende toe om die te verwijderen en opnieuw aan te maken:

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

De klasse Pinecone is al voor je geïmporteerd.

Deze oefening maakt deel uit van de cursus

Vector-databases voor embeddings met Pinecone

Cursus bekijken

Oefeninstructies

  • Importeer de klasse ServerlessSpec uit pinecone.
  • Initialiseer de Pinecone-verbinding met je API-sleutel.
  • Maak een serverless index met de naam "my-first-index" voor vectoren met 256 dimensies, en configureer de index voor het 'aws'-cloudplatform in de regio 'us-east-1'.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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='____'
    )
)
Code bewerken en uitvoeren