PineconeDemo

Pinecone Reader

In [ ]:

%pip install llama-index-readers-pinecone

%pip install llama-index-readers-pinecone

In [ ]:

import logging
import sys

logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))

import logging import sys logging.basicConfig(stream=sys.stdout, level=logging.INFO) logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))

In [ ]:

api_key = "<api_key>"

api_key = ""

如果您在colab上打开这个笔记本，您可能需要安装LlamaIndex 🦙。

In [ ]:

!pip install llama-index

!pip install llama-index

In [ ]:

from llama_index.readers.pinecone import PineconeReader

from llama_index.readers.pinecone import PineconeReader

In [ ]:

reader = PineconeReader(api_key=api_key, environment="us-west1-gcp")

reader = PineconeReader(api_key=api_key, environment="us-west1-gcp")

In [ ]:

# id_to_text_map指定了从Pinecone中指定的ID到文本的映射。id_to_text_map = {    "id1": "文本块1",    "id2": "文本块2",}# query_vector是查询向量的嵌入表示# 示例查询向量：#   query_vector=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]query_vector = [n1, n2, n3, ...]

# id_to_text_map指定了从Pinecone中指定的ID到文本的映射。id_to_text_map = { "id1": "文本块1", "id2": "文本块2",}# query_vector是查询向量的嵌入表示# 示例查询向量：# query_vector=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]query_vector = [n1, n2, n3, ...]

In [ ]:

# 注意：必需的参数是 index_name、id_to_text_map、vector。# 另外，我们还传递了所有可以传递到 Pinecone 中的 `Query` 操作的 kwargs。# 请参阅 API 参考：https://docs.pinecone.io/reference/query# 还有 Python 客户端：https://github.com/pinecone-io/pinecone-python-client# 以获取更多详细信息。documents = reader.load_data(    index_name="quickstart",    id_to_text_map=id_to_text_map,    top_k=3,    vector=query_vector,    separate_documents=True,)

# 注意：必需的参数是 index_name、id_to_text_map、vector。# 另外，我们还传递了所有可以传递到 Pinecone 中的 `Query` 操作的 kwargs。# 请参阅 API 参考：https://docs.pinecone.io/reference/query# 还有 Python 客户端：https://github.com/pinecone-io/pinecone-python-client# 以获取更多详细信息。documents = reader.load_data( index_name="quickstart", id_to_text_map=id_to_text_map, top_k=3, vector=query_vector, separate_documents=True,)

创建索引¶

In [ ]:

index = SummaryIndex.from_documents(documents)

index = SummaryIndex.from_documents(documents)

In [ ]:

# 将日志级别设置为DEBUG，以获得更详细的输出query_engine = index.as_query_engine()response = query_engine.query("<query_text>")

# 将日志级别设置为DEBUG，以获得更详细的输出query_engine = index.as_query_engine()response = query_engine.query("")

In [ ]:

display(Markdown(f"<b>{response}</b>"))

display(Markdown(f"{response}"))