Skip to main content
Pinecone 是一个功能广泛的向量数据库。

​
安装与设置

安装 Python SDK： 
pip install langchain-pinecone

​
向量存储

有一个围绕 Pinecone 索引的封装，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 向量存储的更详细使用说明，请参阅 此 notebook

​
稀疏向量存储

LangChain 的 PineconeSparseVectorStore 使用 Pinecone 的稀疏英文模型启用稀疏检索。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)
有关更详细的使用说明，请参阅 Pinecone 稀疏向量存储 notebook。

​
稀疏嵌入

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)
有关更详细的使用说明，请参阅 Pinecone 稀疏嵌入 notebook。

​
检索器

​
Pinecone 混合搜索

pip install pinecone pinecone-text

from langchain_community.retrievers import (
    PineconeHybridSearchRetriever,
)
有关更详细的信息，请参阅 此 notebook。

​
自查询检索器

Pinecone 向量存储可以用作自查询的检索器。
在 GitHub 上编辑此页面 或 提交问题。
将这些文档连接 到 Claude、VSCode 等，通过 MCP 获取实时答案。