pinecone-io/python-sdk

Pinecone Python SDK – 速報

何であるか: Pinecone のマネージドベクターデータベースサービス用の Python クライアントライブラリ。インデックスの作成、ベクターエンベッディングされたドキュメントの保存（upsert）、Python コードから直接類似性検索を実行できます。

主な機能

• インデックス管理 – pc.indexes.create を使って、インデックスの作成、設定、削除が可能。
• ドキュメント指向 API – 各レコードを _id、密集ベクターフィールド、およびスキーマで定義するカスタムメタデータを持つ JSON ドキュメントとして扱う。
• 類似性検索 – DenseVectorQuery を使って、コサイン距離などを使って類似度の高いアイテム（top-k）を取得。
• 非同期対応 – asyncio と連携する AsyncPinecone クライアントで、ブロッキングしないワークロードに対応。
• 設定 – API キーの簡単な扱い、カスタムホスト、タイムアウト、デバッグログの設定が可能。

一般的なワークフロー

1. API キーでクライアントを初期化。
2. dense_vector フィールドを含むスキーマを指定してインデックスを作成。
3. ネームスペースにドキュメント（ベクター + メタデータ）を upsert。
4. 密集ベクタークエリを使って検索し、一致するドキュメント ID とスコアを取得。

重要性: ベクターデータベースは現代の AI パイプラインの中心的な要素であり、LLM や画像モデルなどの埋め込み表現を保存し、推薦、意味検索、RAG（リトリーバー拡張生成）などのユースケースで高速な近傍検索を可能にします。

導入方法

pip install pinecone

from pinecone import Pinecone, DenseVectorQuery
pc = Pinecone(api_key="YOUR_KEY")
# README に示す通りに、インデックス作成、upsert、検索を行う…

開発: 依存関係管理には uv を使用。テスト、型チェック（mypy）、Lint（ruff）、フォーマットが内蔵。統合テストはライブサービスにアクセスし、API キーが必要です。

ライセンス: Apache-2.0。

---

すべての詳細はリポジトリの README から直接取得されています。