Pinecone 示例

此仓库汇集了一系列示例应用和 Jupyter Notebook，您可以运行、下载、研究并修改它们，以实际操作的方式深入了解 Pinecone 向量数据库 以及常见的 AI 模式、工具和算法。

两类示例

本仓库包含：

1. 在 ./docs 中的生产就绪示例，由 Pinecone 工程团队定期审查并提供支持。
2. 在 ./learn 中为学习和探索 AI 技术而优化的示例，以及由 Pinecone 开发者推广团队创建和维护的用于构建不同类型应用的模式。

我们非常感谢您的反馈和贡献。有关如何为本仓库做出贡献的信息，请参阅 CONTRIBUTING.md。

入门

请参阅我们的学习部分中的入门指南，其中提供了详细的说明，并演示了如何在 Google Colab 中设置和运行 Jupyter Notebook 进行实验。

我们非常欢迎反馈！

在您尝试这些示例时，如果您遇到任何问题、感到困惑或某些功能未能正常工作，请新建一个议题 :octocat:。

获取支持与进一步阅读

请访问我们的：

• 文档
• 支持论坛

贡献

有关如何贡献的指南，请参阅 CONTRIBUTING.md。

Pinecone Examples 快速上手指南

本指南帮助中国开发者快速开始使用 Pinecone 向量数据库示例库，探索 AI 模式与算法。

环境准备

• 系统要求：支持运行 Jupyter Notebook 的环境（推荐 Google Colab 或本地 Python 3.8+）。
• 前置依赖：
  • Python 包管理器 (pip)
  • Pinecone API Key（需在 Pinecone 控制台 免费注册获取）
  • 网络连接（访问 GitHub 及 Pinecone 服务）

安装步骤

1. 克隆仓库 将示例代码下载到本地：

   git clone https://github.com/pinecone-io/examples.git
   cd examples
   

2. 安装 Python 依赖 进入具体的示例目录（例如 ./learn 或 ./docs 下的某个项目），安装所需库。通常需要先安装核心客户端：

   pip install pinecone-client
   

   注：具体示例可能还需要 torch, transformers, sentence-transformers 等库，请根据对应目录下的 requirements.txt 进行安装：

   pip install -r requirements.txt
   

3. 配置 API Key 在运行代码前，请在环境变量或代码中设置您的 Pinecone API Key 和环境名称：

   import os
   os.environ["PINECONE_API_KEY"] = "YOUR_API_KEY"
   os.environ["PINECONE_ENVIRONMENT"] = "YOUR_ENVIRONMENT"
   

基本使用

以下是一个最基础的初始化连接并创建索引的示例（基于 Python）：

from pinecone import Pinecone, ServerlessSpec

# 初始化客户端
pc = Pinecone(api_key=os.environ.get("PINECONE_API_KEY"))

# 创建一个新的向量索引
pc.create_index(
    name="quickstart",
    dimension=384,
    metric="cosine",
    spec=ServerlessSpec(
        cloud="aws",
        region="us-east-1"
    )
)

# 连接到索引
index = pc.Index("quickstart")

# 插入一条示例向量数据
index.upsert(
    vectors=[
        ("id-1", [0.1] * 384, {"meta": "example"}),
        ("id-2", [0.2] * 384, {"meta": "example"})
    ]
)

# 执行向量搜索
query_response = index.query(
    vector=[0.15] * 384,
    top_k=1,
    include_metadata=True
)

print(query_response)

提示：对于更复杂的应用场景（如 RAG、长短期记忆构建等），请直接运行 ./learn 目录下的 Jupyter Notebook 文件，其中包含了完整的端到端演示。