如何解决Jupyter Notebook中Pinecone的两类报错问题？

错误1：调用vector_store.from_documents()提示Index 'None'不存在 #

问题原因 #

from_documents是PineconeVectorStore的类方法，并非实例方法。用已实例化的vector_store对象调用该方法时，内部无法正确读取你已指定的索引信息，因此抛出索引不存在的错误。

解决方法 #

直接通过PineconeVectorStore类调用from_documents，同时传入索引（或索引名称）与嵌入模型：

# 方案1：传入已创建的index对象
vector_store = PineconeVectorStore.from_documents(
    documents=documents,
    embedding=embeddings,
    index=index
)

# 方案2：传入索引名（若环境变量已配置PINECONE_API_KEY，可省略pinecone_api_key参数）
vector_store = PineconeVectorStore.from_documents(
    documents=documents,
    embedding=embeddings,
    index_name=index_name,
    pinecone_api_key=pinecone_api_key
)

注意：无需提前实例化vector_store，类调用from_documents会直接返回新的PineconeVectorStore实例。

错误2：add_documents()提示向量维度不匹配（2048 vs 3072） #

问题原因 #

你创建Pinecone索引时指定的维度为3072，但使用的gemma:2b模型生成的嵌入向量维度是2048，Pinecone要求向量维度必须与索引维度完全一致才能存储。

解决方法 #

有两种可行方案：

1. 重建索引，匹配模型维度：
   删除现有索引，重新创建维度为2048的索引：

   # 删除旧索引
   pc.delete_index(index_name)
   # 创建新索引，维度改为2048
   pc.create_index(
       name=index_name,
       dimension=2048,
       metric="cosine",
       spec=ServerlessSpec(cloud="aws", region="us-east-1"),
   )
   # 等待索引就绪
   while not pc.describe_index(index_name).status["ready"]:
       time.sleep(1)
   index = pc.Index(index_name)
   

2. 更换匹配索引维度的嵌入模型：
   选用输出维度为3072的嵌入模型（如OpenAI的text-embedding-3-large等），确保模型输出维度与索引维度一致。

内容的提问来源于stack exchange，提问作者Atharva