Высокопроизводительные приложения для векторного поиска легко создать с помощью векторной базы данных Pinecone, но многие пользователи задаются вопросом, как получить API Pinecone. База данных привлекает Разработчикиполностью контролируемыйи легко расширяемый без головной боли инфраструктуры.
Разработка высокопроизводительных приложений векторного поиска упрощается благодаря Сосновая шишка. Это управляемая база данных векторов без инфраструктуры, созданная для облака.
В этой статье мы собираемся объяснить, как получить API Pinecone, который является важной частью информации для начать использовать Платформа. Поэтому, без лишних слов, давайте углубимся в детали.
Как получить API-интерфейс Pinecone?
Ниже вы можете увидеть наше пошаговое руководство, чтобы узнать, как получить API Pinecone и как начать использовать платформу всего за несколько минут. Процесс на самом деле довольно простой но может вызвать некоторую путаницу у новых пользователей. Следуйте приведенным ниже инструкциям, и вы сразу же приступите к работе!
Установить клиент Pinecone
Этот шаг на самом деле не требуется. Отмените это действие только в том случае, если вы хотите использовать Python-клиент. Тем не менее, мы рекомендуем сделать это, потому что это упрощает процесс в долгосрочной перспективе.
Чтобы установить Pinecone, используйте команду оболочки:
pip установить pinecone-клиент
Получите ключ API Pinecone и подтвердите его
Вам нужен ключ API использовать сосновую шишку. В качестве основного шага нашего руководства по получению API Pinecone откройте консоль Pinecone и выберите Ключи API, чтобы найти ключ API. Кроме того, в этом представлении отображается среда вашего проекта. Примите к сведению ваше среда а также ваш ключ API.
Используйте эти команды, чтобы проверить, работает ли ваш ключ API Pinecone:
импорт сосновой шишки
pinecone.init(api_key=”ВАШ_API_KEY”, среда=”ВАШ_ОКРУЖЕНИЕ”)
Ваш ключ API законный если вы не получили сообщение об ошибке.
Остальное немного сложно
Остальные шаги можно выполнить одним из трех способов:
- Создавайте и запускайте код Python в своем браузере с помощью «Здравствуй, Сосновая Шишка!» коллаб блокнот.
- Скопируйте следующие команды Python в локальную установку Python.
- Используйте следующие команды API cURL.
Инициализация шишки
импорт сосновой шишки
pinecone.init(api_key=”ВАШ_API_KEY”, среда=”ВАШ_ОКРУЖЕНИЕ”)
Создание индекса
Следующие команды устанавливают индекс под названием «быстрый старт», который выполняет грубый поиск ближайшего соседа для 8-мерных векторов с использованием евклидовой метрики расстояния.
Создание индекса занимает около минуты.
pinecone.create_index («быстрый старт», размерность = 8, метрика = «евклидова», pod_type = «p1»)
Индексы, разработанные конкретными проектами с открытым исходным кодом, такими как AutoGPT, архивируются и удаляются после 1 дня бездействия в плане Starter (бесплатном). Как правило, индексы, сделанные другими планами, архивируются и удаляются после 7 дней бездействия. Отправка любого вызова API в Pinecone приведет к сбросу счетчика, что предотвратит это.
Получение списка ваших индексов
Имя вашего индекса появится в индексный список как только он будет установлен.
Приведенные ниже команды вернут список ваших индексов.
сосновая шишка.list_indexes()
# Возвращает:
# [‘quickstart’]
Подключение к индексу (только клиент)
Вы должны подключиться к индексу перед использованием клиента для запроса.
Перечисленные ниже команды можно использовать для подключения к вашему index.
index = pinecone.Index(“быстрый старт”)
Вставка данных
Использовать опрокидывать операция для вставки векторов в ваш индекс.
Действие upsert добавляет в индекс новый вектор или, если существующий вектор с таким же идентификатором уже существует, обновляет вектор.
Перечисленные ниже команды вставляют пять восьмимерных векторов в ваш индекс.
# Upsert демонстрационные данные (5 8-мерных векторов)
index.upsert([
(“A”, [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1]),
(“В”, [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]),
(«С», [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]),
(«Д», [0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4]),
(«Э», [0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5])
])
Конечная точка для вашего индекса Pinecone используется кодом cURL выше.
Имейте в виду, что upsert данные в пакетах 100 векторов или меньше в течение нескольких запросов на вставку при вставке больших объемов данных.
Получение статистики о вашем индексе
Следующие команды обеспечивают статистика о содержимом вашего индекса.
index.describe_index_stats()
# Возвращает:
# {‘dimension’: 8, ‘index_fullness’: 0.0, ‘namespaces’: {”: {‘vector_count’: 5}}}
Запрос индекса и получение похожих векторов
В следующем примере используется метрика евклидова расстояния, определенная на шаге 2 («Создание индекса») выше, для поиска в индексе трех векторов, наиболее похожих на пример. 8-мерный вектор.
индекс.запрос(
вектор=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3],
топ_к=3,
include_values = Истина
)
# Возвращает:
# {‘Матчи’: [{‘id’: ‘C’,
# ‘score’: 0.0,
# ‘values’: [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]},
# {‘id’: ‘D’,
# ‘оценка’: 0.0799999237,
# ‘ценности’: [0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4]},
# {‘id’: ‘В’,
# ‘оценка’: 0.0800000429,
# ‘ценности’: [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]}],
# ‘пространство имен’: ”}
Удаление индекса
Использовать delete_index операцию по удалению индекса после завершения его использования.
Индекс удаляется с помощью приведенных ниже команд.
pinecone.delete_index («быстрый старт»)
Имейте в виду, что индекс, который был удален не могу использоваться снова.
Выполнив все эти шаги, вы теперь должны были узнать, как получить API Pinecone и начать использовать Pinecone. Если вам интересно, вы также можете проверить: Что такое AutoGPT и как его использовать?
