====== Pinecone Vector database ======
🗂️ [[start|Terug naar start]]\\


[[https://app.pinecone.io/|Pinecone]] is een vector database die speciaal is ontworpen voor machine learning toepassingen. In de wereld van machine learning worden vector databases gebruikt om grote hoeveelheden high-dimensional data efficiënt op te slaan en te doorzoeken. Met Pinecone kunnen ontwikkelaars en data scientists gemakkelijker werken aan de bouw van schaalbare en betrouwbare machine learning systemen. Het biedt een infrastructuur voor het opslaan en opvragen van vector representaties van data, wat cruciaal is voor vele machine learning tasks. Door de inzet van Pinecone kunnen bedrijven sneller en met minder moeite waardevolle inzichten verkrijgen uit hun data, en zo betere producten en diensten ontwikkelen.

**[[https://docs.pinecone.io/docs/new-api|Pinecone nieuwe API]]**

----

[[https://app.pinecone.io/|Pinecone Home]]\\
[[https://docs.pinecone.io/docs/quickstart|Pinecone Quickstart]]\\
**[[https://www.youtube.com/watch?v=iQnMADoFaWQ&t=548s|YouTube: Langchain + ChatGPT + Pinecone: A Question Answering Streamlit App]]**\\
[[https://python.langchain.com/docs/integrations/retrievers/self_query/pinecone|https://python.langchain.com/docs/integrations/retrievers/self_query/pinecone]]


----

===== Gebruikte instellingen =====

-> dimentions = 1536\\
-> metric = "cosine"\\
-> Model: OpenAI/text-embedding-3-small //(instellen bij "set=up by Model)//"\\
-> Tabblad PODS: P2 //(1x)//\\
-> Cloud provider: Google\\
-> Region: Netherlands eu-west4-gcp

**[[https://python.langchain.com/docs/integrations/vectorstores/pinecone|Pinecone en LangChain Docs]]**


----

===== Data Opdelen in Chunks =====

**[[https://www.youtube.com/watch?v=n0uPzvGTFI0|Opdelen van tekst in Chunks : LangChain: How to Properly Split your Chunks]] :!:**\\
[[https://medium.com/@plbiojout/knowledge-based-agent-deployment-with-langchain-pinecone-and-phospho-bf8dffd1026d|Knowledge-Based Agent Deployment with Langchain, Pinecone and Phospho]]


==== Opdelen van .txt bestanden ====
[[https://github.com/AdrieVanDijke/pineconevuller|Code op GitHub]]\\
Ik heb tekstbestanden gegenereerd met blokken tekst gescheiden door een dubbele line break\\
Deze tekst blokken moeten als documenten naar een Pinecone database\\
bestanden worden opgesplitst in //(qua aantal leestekens ongelijke)// documenten en vervolgens weggeschreven naar de PineCone DataBase\\
Ik gebruik de volgende code:

<code>
import os
import streamlit as st
from pinecone import Pinecone, ServerlessSpec
from langchain_community.vectorstores import Pinecone as LangChainPinecone
from langchain_openai.embeddings import OpenAIEmbeddings
import uuid 


# Initialize the app ============================
os.environ["OPENAI_API_KEY"] = st.secrets["OPENAI_API_KEY"]

pineKey = st.secrets["PINECONE_API_KEY"]
pineEnv = st.secrets["PINECONE_ENVIRONMENT"]
pineInd = st.secrets["PINECONE_INDEX_NAME2"]
pinemod = "text-embedding-3-small"


class Document:
    def __init__(self, text, metadata=None, doc_id=None):
        self.page_content = text
        self.metadata = metadata if metadata is not None else {}
        self.id = doc_id if doc_id is not None else str(uuid.uuid4())  # Uniek ID genereren


def main():
    doc_db = embedding_db()
    print(doc_db)
    print("Bestanden weggeschreven naar PineCone DB")


def embedding_db():
    embeddings = OpenAIEmbeddings(model=pinemod)  
    pc = Pinecone(api_key=pineKey)

    if pineInd not in pc.list_indexes().names():
        pc.create_index(
            name=pineInd,
            dimension=1536,  
            metric='cosine',  
            spec=ServerlessSpec(
                cloud='gcp',  
                region=pineEnv  
            )
        )

    docs_split = load_embeddings_from_dir()

    doc_db = LangChainPinecone.from_documents(
        docs_split, 
        embeddings, 
        index_name=pineInd
    )
    
    return doc_db


def load_embeddings_from_dir():
    directory = './files/'
    documents = []  
    for filename in os.listdir(directory):
        if filename.endswith('.txt'):
            file_path = os.path.join(directory, filename)
            with open(file_path, 'r', encoding='utf-8') as file:
                content = file.read()
                parts = content.split('\n\n')
                for part in parts:
                    documents.append(Document(part))
    print(f"Aantal gesplitste documenten: {len(documents)}")
    return documents


# Start the app ===============================
if __name__ == "__main__":
    main()
</code>


[[https://github.com/AdrieVanDijke/pineconevuller|Code op GitHub]]


----