# Pinecone与自查询功能:打造智能电影检索器
## 引言
在处理复杂数据查询时,向量数据库的出现为我们提供了更多的可能性。Pinecone作为一款功能强大的向量数据库,可以帮助我们高效地管理和查询数据。在本文中,我们将演示如何使用Pinecone结合自查询检索器(SelfQueryRetriever)来创建一个智能的电影数据库查询系统。
## 主要内容
### 创建Pinecone索引
首先,我们需要建立一个Pinecone向量存储并插入数据。在此示例中,我们准备了一组包含电影摘要的小型文档集。
### 环境配置
要使用Pinecone,首先确保安装`pinecone`包并获得API密钥。由于网络限制,某些地区的开发者可能需要使用API代理服务提高访问稳定性。
```bash
%pip install --upgrade --quiet lark
%pip install --upgrade --quiet pinecone-notebooks pinecone-client==3.2.2
连接Pinecone
from pinecone_notebooks.colab import Authenticate
import os
Authenticate()
api_key = os.environ["PINECONE_API_KEY"]
创建和填充索引
接下来,我们用OpenAIEmbeddings创建并填充索引。
from pinecone import Pinecone, ServerlessSpec
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
from langchain_pinecone import PineconeVectorStore
# Set up embeddings
embeddings = OpenAIEmbeddings()
index_name = "langchain-self-retriever-demo"
pc = Pinecone(api_key=api_key)
if index_name not in pc.list_indexes().names():
pc.create_index(
name=index_name,
dimension=1536,
metric="cosine",
spec=ServerlessSpec(cloud="aws", region="us-east-1"),
)
# Seed with movie data
docs = [
Document(page_content="A bunch of scientists bring back dinosaurs and mayhem breaks loose", metadata={"year": 1993, "rating": 7.7, "genre": ["action", "science fiction"]}),
# More documents...
]
vectorstore = PineconeVectorStore.from_documents(docs, embeddings, index_name=index_name)
创建自查询检索器
我们将使用元数据字段信息和文档内容描述来实例化自查询检索器。
from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain_openai import OpenAI
metadata_field_info = [
AttributeInfo(name="genre", description="The genre of the movie", type="string or list[string]"),
# More metadata fields...
]
llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
llm, vectorstore, "Brief summary of a movie", metadata_field_info, verbose=True
)
代码示例
测试检索器
以下是一些示例查询:
# 查询关于恐龙的电影
retriever.invoke("What are some movies about dinosaurs")
# 查询评分高于8.5的电影
retriever.invoke("I want to watch a movie rated higher than 8.5")
# 查询Greta Gerwig执导的关于女性的电影
retriever.invoke("Has Greta Gerwig directed any movies about women")
常见问题和解决方案
网络问题
由于某些地区的网络限制,连接Pinecone API时可能需要使用代理服务。建议开发者查看Pinecone支持文档获取更多信息。
数据匹配问题
确保元数据字段的信息准确无误,以提高检索精度。
总结和进一步学习资源
通过本文,我们了解了如何利用Pinecone和自查询检索器创建智能查询系统。这为我们提供了高效处理和查询向量化数据的强大工具。
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
---END---