ComeçarComece de graça

Consultando vetores para pesquisa semântica

Neste exercício, você vai criar um vetor de consulta a partir da pergunta “ 'What is in front of the Notre Dame Main Building?' ” (Qual é a diferença entre um vetor e uma matriz?). Usando essa consulta incorporada, você vai consultar o namespace 'squad_dataset' a partir do índice 'pinecone-datacamp' e retornar os cinco vetores mais parecidos.

Este exercício faz parte do curso

Bancos de dados vetoriais para incorporações com Pinecone

Ver curso

Instruções do exercício

  • Inicialize o cliente Pinecone com sua chave API (o cliente OpenAI está disponível em client).
  • Crie um vetor de consulta incorporando o query fornecido com o mesmo modelo de incorporação OpenAI que você usou para incorporar os outros vetores.
  • Consulte o namespace "squad_dataset" usando query_emb e retorne os cinco resultados mais parecidos.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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')
Editar e executar o código