Pinecone

Pinecone 是一个功能广泛的向量数据库。

安装和设置

安装 Python SDK：

pip install langchain-pinecone

矢量存储

Pinecone 索引周围有一个包装器，允许您将其用作 vectorstore， 无论是用于语义搜索还是示例选择。

from langchain_pinecone import PineconeVectorStore

API 参考：PineconeVectorStore

有关 Pinecone vectorstore 的更详细演练，请参阅此笔记本

稀疏向量存储

LangChain 的PineconeSparseVectorStore使用 Pinecone 的稀疏英语模型启用稀疏检索。它将文本映射到稀疏向量，并支持添加文档和相似性搜索。

from langchain_pinecone import PineconeSparseVectorStore

# Initialize sparse vector store
vector_store = PineconeSparseVectorStore(
    index=my_index,
    embedding_model="pinecone-sparse-english-v0"
)
# Add documents
vector_store.add_documents(documents)
# Query
results = vector_store.similarity_search("your query", k=3)

API 参考：PineconeSparseVectorStore

有关更详细的演练，请参阅 Pinecone Sparse Vector Store 笔记本。

稀疏嵌入

LangChain 的PineconeSparseEmbeddings使用 Pinecone 的pinecone-sparse-english-v0型。

from langchain_pinecone.embeddings import PineconeSparseEmbeddings

# Initialize sparse embeddings
sparse_embeddings = PineconeSparseEmbeddings(
    model="pinecone-sparse-english-v0"
)
# Embed a single query (returns SparseValues)
query_embedding = sparse_embeddings.embed_query("sample text")

# Embed multiple documents (returns list of SparseValues)
docs = ["Document 1 content", "Document 2 content"]
doc_embeddings = sparse_embeddings.embed_documents(docs)

API 参考：PineconeSparseEmbeddings

有关更详细的用法，请参阅 Pinecone Sparse Embeddings 笔记本。

Retriever

Pinecone 混合搜索

pip install pinecone pinecone-text

from langchain_community.retrievers import (
    PineconeHybridSearchRetriever,
)

API 参考：PineconeHybridSearchRetriever

有关更多详细信息，请参阅此笔记本。

自查询检索器

Pinecone vector store 可以用作自查询的检索器。

有关更多详细信息，请参阅此笔记本。