pinecone

Pinecone to w pełni zarządzana baza danych wektorów zaprojektowana dla aplikacji AI działających w produkcji. Oferuje automatyczne skalowanie do miliardów wektorów, hybrydowe wyszukiwanie (gęste i rzadkie wektory), filtrowanie metadanych oraz namespaces. Gwarantuje niską latencję poniżej 100ms (p95) i dostępność 99,9%. Idealna dla systemów RAG, rekomendacji oraz semantycznego wyszukiwania na dużą skalę. Wybierz Pinecone, jeśli chcesz infrastrukturę serverless bez konieczności zarządzania bazą danych.

1. Zainstaluj bibliotekę klienta Pinecone za pomocą polecenia pip install pinecone-client w swoim środowisku Python.

2. Utwórz konto na Pinecone i uzyskaj klucz API, który będzie potrzebny do uwierzytelnienia.

3. Zainicjuj klienta Pinecone w swoim kodzie, przekazując klucz API. Następnie utwórz indeks, określając wymiar wektorów (musi odpowiadać wymiarowi embeddings, np. 1536 dla OpenAI), metrykę podobieństwa (cosine, euclidean lub dotproduct) oraz konfigurację serverless z wyborem chmury i regionu.

4. Połącz się z utworzonym indeksem i wgraj wektory za pomocą operacji upsert. Każdy wektor powinien mieć unikalny identyfikator, wartości numeryczne oraz opcjonalne metadane (np. kategorię lub inne atrybuty).

5. Wykonaj zapytania do indeksu, podając wektor zapytania, liczbę wyników (top_k) oraz flagę include_metadata, aby otrzymać metadane wraz z wynikami. Wyniki zwrócą dopasowane wektory posortowane według podobieństwa.

6. Integruj Pinecone z systemem RAG lub aplikacją rekomendacyjną, łącząc generowanie embeddings (np. z modelu AI) z wyszukiwaniem w bazie wektorów, aby uzyskać semantycznie podobne dokumenty lub rekomendacje.