Kom igångKom igång gratis

Fråga vektorer för semantisk sökning

I den här övningen skapar du en frågvektor från frågan 'What is in front of the Notre Dame Main Building?'. Med hjälp av den inbäddade frågan hämtar du data från namnrymden 'squad_dataset' i indexet 'pinecone-datacamp' och returnerar de fem mest liknande vektorerna.

Den här övningen är en del av kursen

Bygga AI-applikationer med Pinecone

Visa kurs

Övningsinstruktioner

  • Initiera Pinecone-klienten med din API-nyckel (OpenAI-klienten är tillgänglig som client).
  • Skapa en frågvektor genom att bädda in den angivna query med samma OpenAI-inbäddningsmodell som du använde för de övriga vektorerna.
  • Fråga namnrymden "squad_dataset" med query_emb och returnera de fem mest liknande resultaten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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')
Redigera och kör kod