跳到主要内容
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

​
向量存储

Pinecone 索引有一个包装器，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 向量存储的更详细演练，请参阅此笔记本

​
稀疏向量存储

LangChain 的 PineconeSparseVectorStore 旨在使用 Pinecone 的稀疏英语模型进行稀疏检索。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)
有关更详细的演练，请参阅Pinecone 稀疏向量存储笔记本。

​
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

# 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)
有关更详细的用法，请参阅Pinecone 稀疏嵌入笔记本。

​
检索器

pip install pinecone pinecone-text

from langchain_community.retrievers import (
    PineconeHybridSearchRetriever,
)
有关更详细的信息，请参阅此笔记本。

​
自查询检索器

Pinecone 向量存储可用作自查询的检索器。
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.