>Pinecone 是一个功能强大的向量数据库。

安装和设置

安装 Python SDK：

pip install langchain-pinecone

uv add langchain-pinecone

向量存储

存在一个围绕 Pinecone 索引的封装器，允许您将其用作向量存储， 无论是用于语义搜索还是示例选择。

from langchain_pinecone import PineconeVectorStore

有关 Pinecone 向量存储的更详细说明，请参阅 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)

更详细的说明，请参阅 Pinecone 稀疏向量存储笔记本.

稀疏嵌入

LangChain 的 PineconeSparseEmbeddings 提供使用 Pinecone 的稀疏嵌入生成 pinecone-sparse-english-v0 model.

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)

更详细的使用说明，请参阅 Pinecone 稀疏嵌入笔记本.

检索器

自查询检索器

Pinecone 向量存储可用作自查询的检索器。