НачатьНачать бесплатно

Запрос векторов для семантического поиска

В этом упражнении вы создадите вектор запроса на основе вопроса 'What is in front of the Notre Dame Main Building?'. С помощью полученного эмбеддинга (векторного представления) вы выполните запрос к пространству имён 'squad_dataset' в индексе 'pinecone-datacamp' и получите пять наиболее похожих векторов.

Это упражнение является частью курса

Создание ИИ-приложений с Pinecone

Посмотреть курс

Инструкции к упражнению

  • Инициализируйте клиент Pinecone, используя ваш API-ключ (клиент OpenAI доступен как client).
  • Создайте вектор запроса, преобразовав переменную query в эмбеддинг с помощью той же модели OpenAI, которую вы использовали для векторизации остальных данных.
  • Выполните запрос к пространству имён "squad_dataset", используя query_emb, и верните пять наиболее похожих результатов.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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')
Редактировать и запускать код