Pinecone은 광범위한 기능을 제공하는 vector database입니다.

​
Installation and Setup

Python SDK를 설치합니다: 
pip install langchain-pinecone

​
Vector store

Pinecone index를 감싸는 wrapper가 존재하여, semantic search나 example selection을 위한 vectorstore로 사용할 수 있습니다. 
from langchain_pinecone import PineconeVectorStore
Pinecone vectorstore에 대한 자세한 안내는 이 notebook을 참조하세요.

​
Sparse Vector store

LangChain의 PineconeSparseVectorStore는 Pinecone의 sparse English model을 사용하여 sparse retrieval을 가능하게 합니다. 텍스트를 sparse vector로 매핑하고 문서 추가 및 유사도 검색을 지원합니다. 
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)
자세한 안내는 Pinecone Sparse Vector Store notebook을 참조하세요.

​
Sparse Embedding

LangChain의 PineconeSparseEmbeddings는 Pinecone의 pinecone-sparse-english-v0 model을 사용하여 sparse embedding 생성을 제공합니다. 
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)
자세한 사용법은 Pinecone Sparse Embeddings notebook을 참조하세요.

​
Retrievers

pip install pinecone pinecone-text

from langchain_community.retrievers import (
    PineconeHybridSearchRetriever,
)
자세한 정보는 이 notebook을 참조하세요.

​
Self Query retriever

Pinecone vector store는 self-querying을 위한 retriever로 사용할 수 있습니다.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I