Zacznij terazZacznij za darmo

Odpytywanie wektorów na potrzeby wyszukiwania semantycznego

W tym ćwiczeniu utworzysz wektor zapytania na podstawie pytania 'What is in front of the Notre Dame Main Building?'. Korzystając z tego osadzenia, odpytasz przestrzeń nazw 'squad_dataset' z indeksu 'pinecone-datacamp' i zwrócisz pięć najbardziej podobnych wektorów.

To ćwiczenie jest częścią kursu

Tworzenie aplikacji AI z Pinecone

Zobacz kurs

Instrukcje do ćwiczenia

  • Zainicjalizuj klienta Pinecone, używając swojego klucza API (klient OpenAI jest dostępny jako client).
  • Utwórz wektor zapytania, osadzając podane query za pomocą tego samego modelu osadzeń OpenAI, którego użyto do osadzenia pozostałych wektorów.
  • Odpytaj przestrzeń nazw "squad_dataset", używając query_emb, i zwróć pięć najbardziej podobnych wyników.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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')
Edytuj i uruchom kod