Pinecone 集成

使用 LangChain Python 集成 Pinecone。

Pinecone 是一个功能全面的向量数据库。

安装与配置

安装 Python SDK：

pip

pip install langchain-pinecone

向量存储

存在对 Pinecone 索引的封装，允许你将其作为 vectorstore 使用，无论是用于语义搜索还是示例选择。

from langchain_pinecone import PineconeVectorStore

要了解 Pinecone 向量存储的详细使用方法，请参考 此笔记本

稀疏向量存储

LangChain 的 PineconeSparseVectorStore 支持使用 Pinecone 的稀疏英文模型进行稀疏检索。它可将文本映射为稀疏向量，并支持添加文档和相似度搜索。

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)

要了解详细用法，请参考 Pinecone 稀疏向量存储笔记本。

稀疏嵌入

LangChain 的 PineconeSparseEmbeddings 使用 Pinecone 的 pinecone-sparse-english-v0 模型提供稀疏嵌入生成。

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)

要了解详细用法，请参考 Pinecone 稀疏嵌入笔记本。

检索器

自查询检索器

Pinecone 向量存储可用于自查询检索器。

---

官方原文：src/oss/python/integrations/providers/pinecone.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。