Pinecone 混合搜索

Pinecone 是一个功能强大的向量数据库。

此笔记本介绍了如何使用一个检索器，该检索器在内部使用 Pinecone 和混合搜索。

此检索器的逻辑来自此文档

要使用 Pinecone，您必须拥有 API 密钥和环境。以下为安装说明。

%pip install --upgrade --quiet  pinecone-client pinecone-text pinecone-notebooks

# Connect to Pinecone and get an API key.
from pinecone_notebooks.colab import Authenticate

Authenticate()

import os

api_key = os.environ["PINECONE_API_KEY"]

from langchain_community.retrievers import (
    PineconeHybridSearchRetriever,
)

API 参考：PineconeHybridSearchRetriever

我们想使用 OpenAIEmbeddings，因此我们必须获取 OpenAI API 密钥。

import getpass

os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")

设置 Pinecone

您只需要执行此步骤一次。

import os

from pinecone import Pinecone, ServerlessSpec

index_name = "langchain-pinecone-hybrid-search"

# initialize Pinecone client
pc = Pinecone(api_key=api_key)

# create the index
if index_name not in pc.list_indexes().names():
    pc.create_index(
        name=index_name,
        dimension=1536,  # dimensionality of dense model
        metric="dotproduct",  # sparse values supported only for dotproduct
        spec=ServerlessSpec(cloud="aws", region="us-east-1"),
    )

WhoAmIResponse(username='load', user_label='label', projectname='load-test')

现在索引已创建，我们可以使用它。

index = pc.Index(index_name)

获取嵌入和稀疏编码器

嵌入用于密集向量，分词器用于稀疏向量

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()

API 参考：OpenAIEmbeddings

要将文本编码为稀疏值，您可以选择 SPLADE 或 BM25。对于域外任务，我们建议使用 BM25。

有关稀疏编码器的更多信息，您可以查看 pinecone-text 库的文档。

from pinecone_text.sparse import BM25Encoder

# or from pinecone_text.sparse import SpladeEncoder if you wish to work with SPLADE

# use default tf-idf values
bm25_encoder = BM25Encoder().default()

上面的代码使用的是默认的 tfids 值。强烈建议您将 tf-idf 值拟合到您自己的语料库。您可以按照以下步骤进行。

corpus = ["foo", "bar", "world", "hello"]

# fit tf-idf values on your corpus
bm25_encoder.fit(corpus)

# store the values to a json file
bm25_encoder.dump("bm25_values.json")

# load to your BM25Encoder object
bm25_encoder = BM25Encoder().load("bm25_values.json")

加载检索器

现在我们可以构建检索器了！

retriever = PineconeHybridSearchRetriever(
    embeddings=embeddings, sparse_encoder=bm25_encoder, index=index
)

添加文本（如果需要）

我们可以选择向检索器添加文本（如果它们尚未在其中）。

retriever.add_texts(["foo", "bar", "world", "hello"])

100%|██████████| 1/1 [00:02<00:00,  2.27s/it]

使用检索器

现在我们可以使用检索器了！

result = retriever.invoke("foo")

result[0]

Document(page_content='foo', metadata={})

相关

• 检索器概念指南
• 检索器操作指南