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

Vector store

提供了一个围绕 Pinecone 索引（indexes）的封装，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 Reference:PineconeVectorStore

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

Sparse Vector store

LangChain 的 PineconeSparseVectorStore 使用 Pinecone 的稀疏英文模型（sparse English model）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

# 初始化稀疏向量存储
vector_store = PineconeSparseVectorStore(
    index=my_index,
    embedding_model="pinecone-sparse-english-v0"
)
# 添加文档
vector_store.add_documents(documents)
# 查询
results = vector_store.similarity_search("your query", k=3)

API Reference:PineconeSparseVectorStore

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

Sparse Embedding

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

# 初始化稀疏嵌入
sparse_embeddings = PineconeSparseEmbeddings(
    model="pinecone-sparse-english-v0"
)
# 嵌入单个查询 (返回 SparseValues)
query_embedding = sparse_embeddings.embed_query("sample text")

# 嵌入多个文档 (返回 SparseValues 列表)
docs = ["Document 1 content", "Document 2 content"]
doc_embeddings = sparse_embeddings.embed_documents(docs)

API Reference:PineconeSparseEmbeddings

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

Retrievers

Pinecone Hybrid Search

pip install pinecone pinecone-text

from langchain_community.retrievers import (
    PineconeHybridSearchRetriever,
)

API Reference:PineconeHybridSearchRetriever

有关更详细的信息，请参阅此笔记本。

Self Query retriever

Pinecone vector store 可用作自查询（self-querying）的检索器。

有关更详细的信息，请参阅此笔记本。