Pinecone

Pinecone est une base de données vectorielle conçue pour créer des applications de recherche vectorielle haute performance. Elle permet le stockage, la gestion et la recherche par similarité de vecteurs d'embeddings de haute dimension, ce qui la rend idéale pour les applications d'IA nécessitant des capacités de recherche sémantique.

Avec Pinecone, vous pouvez :

Stocker des embeddings vectoriels : Gérer efficacement des vecteurs de haute dimension à grande échelle
Effectuer des recherches par similarité : Trouver les vecteurs les plus similaires à un vecteur de requête en quelques millisecondes
Construire une recherche sémantique : Créer des expériences de recherche basées sur le sens plutôt que sur les mots-clés
Implémenter des systèmes de recommandation : Générer des recommandations personnalisées basées sur la similarité du contenu
Déployer des modèles d'apprentissage automatique : Opérationnaliser des modèles de ML qui s'appuient sur la similarité vectorielle
Évoluer en toute transparence : Gérer des milliards de vecteurs avec des performances constantes
Maintenir des index en temps réel : Mettre à jour votre base de données vectorielle en temps réel à mesure que de nouvelles données arrivent

Dans MyBotBox, l'intégration de Pinecone permet à vos agents d'exploiter les capacités de recherche vectorielle de manière programmatique dans le cadre de leurs flux de travail. Cela permet des scénarios d'automatisation sophistiqués qui combinent le traitement du langage naturel avec la recherche et la récupération sémantiques. Vos agents peuvent générer des embeddings à partir de texte, stocker ces vecteurs dans des index Pinecone et effectuer des recherches de similarité pour trouver les informations les plus pertinentes. Cette intégration comble le fossé entre vos flux de travail d'IA et l'infrastructure de recherche vectorielle, permettant une récupération d'informations plus intelligente basée sur le sens sémantique plutôt que sur la correspondance exacte de mots-clés. En connectant MyBotBox avec Pinecone, vous pouvez créer des agents qui comprennent le contexte, récupèrent des informations pertinentes à partir de grands ensembles de données et fournissent des réponses plus précises et personnalisées aux utilisateurs - le tout sans nécessiter une gestion d'infrastructure complexe ou une connaissance spécialisée des bases de données vectorielles.

Paramètre	Type	Obligatoire	Description
`model`	string	Oui	Modèle à utiliser pour générer les embeddings
`inputs`	array	Oui	Tableau d'entrées textuelles pour lesquelles générer des embeddings
`apiKey`	string	Oui	Clé API Pinecone

Sortie

Paramètre	Type	Description
`data`	array	Données d'embeddings générées avec valeurs et type de vecteur
`model`	string	Modèle utilisé pour générer les embeddings
`vector_type`	string	Type de vecteur généré (dense/sparse)
`usage`	object	Statistiques d'utilisation pour la génération d'embeddings

`pinecone_upsert_text`

Insérer ou mettre à jour des enregistrements textuels dans un index Pinecone

Entrée

Paramètre	Type	Obligatoire	Description
`indexHost`	string	Oui	URL complète de l'hôte de l'index Pinecone
`namespace`	string	Oui	Espace de noms dans lequel insérer les enregistrements
`records`	array	Oui	Enregistrement ou tableau d'enregistrements à insérer, chacun contenant _id, texte et métadonnées optionnelles
`apiKey`	string	Oui	Clé API Pinecone

Sortie

Paramètre	Type	Description
`statusText`	string	Statut de l'opération d'insertion
`upsertedCount`	number	Nombre d'enregistrements insérés avec succès

`pinecone_search_text`

Rechercher du texte similaire dans un index Pinecone

Entrée

Paramètre	Type	Obligatoire	Description
`indexHost`	string	Oui	URL complète de l'hôte de l'index Pinecone
`namespace`	string	Non	Espace de noms dans lequel effectuer la recherche
`searchQuery`	string	Oui	Texte à rechercher
`topK`	string	Non	Nombre de résultats à retourner
`fields`	array	Non	Champs à retourner dans les résultats
`filter`	object	Non	Filtre à appliquer à la recherche
`rerank`	object	Non	Paramètres de reclassement
`apiKey`	string	Oui	Clé API Pinecone

Sortie

Paramètre	Type	Description
`matches`	array	Résultats de recherche avec ID, score et métadonnées

`pinecone_search_vector`

Rechercher des vecteurs similaires dans un index Pinecone

Entrée

Paramètre	Type	Obligatoire	Description
`indexHost`	string	Oui	URL complète de l'hôte de l'index Pinecone
`namespace`	string	Non	Espace de noms dans lequel effectuer la recherche
`vector`	array	Oui	Vecteur à rechercher
`topK`	number	Non	Nombre de résultats à retourner
`filter`	object	Non	Filtre à appliquer à la recherche
`includeValues`	boolean	Non	Inclure les valeurs des vecteurs dans la réponse
`includeMetadata`	boolean	Non	Inclure les métadonnées dans la réponse
`apiKey`	string	Oui	Clé API Pinecone

Sortie

Paramètre	Type	Description
`matches`	array	Résultats de recherche de vecteurs avec ID, score, valeurs et métadonnées
`namespace`	string	Espace de noms où la recherche a été effectuée

`pinecone_fetch`

Récupérer des vecteurs par ID depuis un index Pinecone

Entrée

Paramètre	Type	Obligatoire	Description
`indexHost`	string	Oui	URL complète de l'hôte de l'index Pinecone
`ids`	array	Oui	Tableau d'ID de vecteurs à récupérer
`namespace`	string	Non	Espace de noms à partir duquel récupérer les vecteurs
`apiKey`	string	Oui	Clé API Pinecone

Sortie

Paramètre	Type	Description
`matches`	array	Vecteurs récupérés avec ID, valeurs, métadonnées et score

Notes

Catégorie : tools
Type : pinecone

Pinecone

Instructions d'utilisation

Outils

`pinecone_generate_embeddings`

Entrée

Sortie

`pinecone_upsert_text`

Entrée

Sortie

`pinecone_search_text`

Entrée

Sortie

`pinecone_search_vector`

Entrée

Sortie

`pinecone_fetch`

Entrée

Sortie

Notes

On this page