探索 Pinecone 向量数据库的工作机制，从 pods 与索引入手，并与其他数据库进行比较。学习区分不同的 pod 类型、获取 API 密钥，并使用 Python 初始化 Pinecone 连接。最后，您将学习如何创建 Pinecone 索引，了解维度、距离度量、pod 类型等各类参数。

Pinecone 索引入门

创建 Pinecone 客户端

您的第一个 Pinecone 索引

管理索引

连接到索引

删除索引

Pinecone 生态系统

向量写入（ingestion）

检查维度

带元数据的向量写入

Pinecone 入门

在 Python 中上手 Pinecone，实践如何管理索引、添加带有元数据的向量、搜索与检索向量，以及执行更新或删除操作。全面把握关键函数与核心概念，从容处理 Pinecone 向量数据库中的数据。

检索向量

选项

Querying

Fetching

Query 与 Fetch 的区别

获取向量

查询向量

返回最相似的向量

更改距离度量

元数据筛选

筛选查询

多重元数据筛选

更新与删除向量

更新向量数值

更新向量元数据

删除向量

在 Python 中操作 Pinecone 向量

本章将带您优化 Pinecone 索引性能，利用多租户命名空间降低成本，构建语义搜索引擎，并基于 Pinecone 与 OpenAI API 创建检索增强型问答系统。通过这些课程，您将掌握性能调优、语义搜索与检索增强问答的实用技能，从而在真实场景中高效应用 Pinecone。

批量 upsert

定义用于分块的函数

按分块批量 upsert

并行批量 upsert

多租户与命名空间

Namespaces

查询命名空间

使用 Pinecone 进行语义搜索

创建并配置 Pinecone 索引

为语义搜索进行向量 upsert

用于语义搜索的向量查询

使用 Pinecone 和 OpenAI 的 RAG 聊天机器人

Upsert YouTube 转录文本

构建检索函数

RAG 问答函数

恭喜您！

性能调优与 AI 应用

Stanford Question Answering Dataset (SQuAD)

YouTube Transcripts

了解 Pinecone 向量数据库如何变革 AI 应用开发。Pinecone 是一款完全托管、查询延迟极低的向量数据库解决方案，正在引领市场。在本课程中，您将学习如何从 Pinecone 索引中摄取、操作和查询向量。您还会结合检索增强生成（RAG）等基础概念，将这些技能用于构建语义搜索引擎和具备上下文感知的聊天机器人。最后，您将学习如何优化生产数据库，包括性能调优、存储优化和降低查询延迟等技术。

<h2>借助 Pinecone 的向量数据库释放嵌入的强大力量</h2>
在入门章节中，你将深入了解 Pinecone 的基础知识，掌握其核心功能、优势，以及 pods、indexes 和 projects 等关键概念。 通过实践课程，你将把 Pinecone 与其他向量数据库进行比较，深入了解其无与伦比的功能和易用性。<br><br>
<h2>Python 与 Pinecone 的交互</h2>
掌握使用 Python 与 Pinecone 无缝交互的技能。 学习区分不同的 pod 类型，搭建你的环境，并配置 Pinecone Python 客户端。 您将深入了解 Pinecone 的核心，学习如何以编程方式创建向量数据库，理解影响 Pinecone 索引创建的参数，包括维度、距离度量、pod 类型和副本，并掌握将带有元数据的向量导入 Pinecone 索引的技巧。 您将掌握使用 Python 查询和检索向量的能力，并深入了解如何更新和删除向量，以有效应对概念漂移。<br><br>
<h2>高级 Pinecone 和 AI 应用</h2>
超越基础，探索 Pinecone 的高级概念，例如监控 Pinecone 性能、优化效率，以及实施多租户以实现访问控制。 你将探索高级应用，包括基于 Pinecone 构建的语义搜索引擎，以及将其与 OpenAI API 集成，用于 RAG 聊天机器人等项目。

筛选查询

使用 Pinecone 构建 AI 应用

练习说明

交互式实操练习