[PYTHON/LANGCHAIN] RunnableSequence 클래스 : invoke 메소드에서 config 인자를 사용해 벡터 저장소 검색하기
■ RunnableSequence 클래스의 invoke 메소드에서 config 인자를 사용해 벡터 저장소를 검색하는 방법을 보여준다. ※ PINECONE_API_KEY 환경 변수 값은 .env 파일에 정의한다. ※
[태그:] PINECONE
[PYTHON/LANGCHAIN] RunnableConfigurableFields 클래스 : invoke 메소드에서 config 인자를 사용해 벡터 유사도 검색하기
■ RunnableConfigurableFields 클래스의 invoke 메소드에서 config 인자를 사용해 벡터 유사도를 검색하는 방법을 보여준다. ※ PINECONE_API_KEY 환경 변수 값은 .env 파일에 정의한다. ▶
[PYTHON/LANGCHAIN] VectorStoreRetriever 클래스 : configurable_fields 메소드에서 search_kwargs 인자를 사용해 RunnableConfigurableFields 객체 만들기
■ VectorStoreRetriever 클래스의 configurable_fields 메소드에서 search_kwargs 인자를 사용해 RunnableConfigurableFields 객체를 만드는 방법을 보여준다. ※ PINECONE_API_KEY 환경 변수 값은 .env 파일에 정의한다. ▶
[PYTHON/LANGCHAIN] VectorStoreRetriever 클래스 : invoke 메소드를 사용해 벡터 유사도 검색하기
■ VectorStoreRetriever 클래스의 invoke 메소드를 사용해 벡터 유사도 검색하는 방법을 보여준다. ※ PINECONE_API_KEY 환경 변수 값은 .env 파일에 정의한다. ▶ main.py
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 |
from dotenv import load_dotenv from langchain_openai import OpenAIEmbeddings from langchain_pinecone import PineconeVectorStore load_dotenv() openAIEmbeddings = OpenAIEmbeddings() pineconeVectorStore = PineconeVectorStore(index_name = "test-example", embedding = openAIEmbeddings) # Pinecone 사이트에서 test-example 인덱스가 존재해야 한다. pineconeVectorStore.add_texts(["i worked at kensho" ], namespace = "harrison") pineconeVectorStore.add_texts(["i worked at facebook"], namespace = "ankush" ) vectorStoreRetriever1 = pineconeVectorStore.as_retriever(search_kwargs = {"namespace" : "ankush"}) responseDocumentList1 = vectorStoreRetriever1.invoke("where did i work?") print(responseDocumentList1) print("-" * 50) vectorStoreRetriever2 = pineconeVectorStore.as_retriever(search_kwargs = {"namespace" : "harrison"}) responseDocumentList2 = vectorStoreRetriever2.invoke("where did i work?") print(responseDocumentList2) print("-" * 50) """ [ Document(id = 'a7e34e14-fe06-439e-aa0b-d40fd46412c2', metadata = {}, page_content = 'i worked at facebook'), Document(id = 'fa276204-878a-41e1-b85a-6f081d8a0036', metadata = {}, page_content = 'i worked at facebook') ] -------------------------------------------------- [ Document(id = '14d1d34b-e0a0-4259-9bc3-173c8538b830', metadata = {}, page_content = 'i worked at kensho'), Document(id = '4b73972a-0b28-487f-a801-d00c81527928', metadata = {}, page_content = 'i worked at kensho') ] -------------------------------------------------- """ |
[PYTHON/LANGCHAIN] PineconeVectorStore 클래스 : as_retriever 메소드에서 search_kwargs 인자를 사용해 VectorStoreRetriever 객체 만들기
■ PineconeVectorStore 클래스의 as_retriever 메소드에서 search_kwargs 인자를 사용해 VectorStoreRetriever 객체를 만드는 방법을 보여준다. ※ PINECONE_API_KEY 환경 변수 값은 .env 파일에 정의한다. ▶
[PYTHON/LANGCHAIN] PineconeVectorStore 클래스 : add_texts 메소드에서 namespace 인자를 사용해 텍스트 추가하기
■ PineconeVectorStore 클래스의 add_texts 메소드에서 namespace 인자를 사용해 텍스트를 추가하는 방법을 보여준다. ※ PINECONE_API_KEY 환경 변수 값은 .env 파일에 정의한다. ▶ main.py
[PYTHON/LANGCHAIN] langchain-pinecone 패키지 설치하기
■ langchain-pinecone 패키지를 설치하는 방법을 보여준다. 1. 명령 프롬프트를 실행한다. 2. 명령 프롬프트에서 아래 명령을 실행한다. ▶ 실행 명령
|
1 2 3 |
pip install langchain-pinecone |
[PYTHON/LANGCHAIN] PineconeVectorStore 클래스 : 생성자에서 index_name/embedding 인자를 사용해 PineconeVectorStore 객체 만들기
■ PineconeVectorStore 클래스의 생성자에서 index_name/embedding 인자를 사용해 PineconeVectorStore 객체를 만드는 방법을 보여준다. ※ PINECONE_API_KEY 환경 변수 값은 .env 파일에 정의한다. ▶ main.py