文本转Embedding上传Pinecone报错：'Pinecone'对象无from_texts属性

问题场景 #

学习生成式AI时，运行文本转向量嵌入并上传至Pinecone的脚本，讲师环境可正常执行，但本地Jupyter Notebook因版本更新触发属性错误。

报错信息 #

AttributeError                            Traceback (most recent call last)
Cell In[44], line 8
      5 index_name="medical-bot"
      7 #Creating Embeddings for Each of The Text Chunks & storing
----> 8 docsearch=pc.from_texts([t.page_content for t in text_chunks], embeddings, index_name=index_name)

AttributeError: 'Pinecone' object has no attribute 'from_texts'

完整代码 #

def load_data(data):
    loader = DirectoryLoader(data, glob="\*.pdf", loader_cls=PyPDFLoader)
    documents = loader.load()
    return documents

extracted_data = load_data("E:\\data")

def text_split(extracted_data):
    text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap = 20)
    text_chunks = text_splitter.split_documents(extracted_data)
    return text_chunks

text_chunks = text_split(extracted_data)


def download_hugging_face_embeddings():
    embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
    return embeddings

embeddings = download_hugging_face_embeddings()

query_result = embeddings.embed_query("Hello World")
print("Length", len(query_result))

from dotenv import load_dotenv
import os
load_dotenv()
pinecone_api_key = os.getenv("PINECONE_API_KEY")
pinecone_environment = os.getenv("PINECONE_API_ENV")

pc = Pinecone(api_key=pinecone_api_key,
environment=pinecone_environment)
index_name="medical-bot" #My Index Name created in Pinecone DB

#Creating Embeddings for Each of The Text Chunks & storing
docsearch=Pinecone.from_texts([t.page_content for t in text_chunks], embeddings, index_name=index_name)

错误原因及修复方案 #

核心原因 #

代码混用了Pinecone原生SDK和LangChain集成的Pinecone类：

• 讲师使用的是LangChain封装的Pinecone类（from langchain.vectorstores import Pinecone），该类提供from_texts批量导入方法；
• 你当前导入的是Pinecone官方原生SDK（from pinecone import Pinecone），原生SDK的Pinecone对象没有from_texts方法。

修复步骤 #

方案1：适配原生SDK + LangChain调用

保留已初始化的原生SDK对象，获取index后传入LangChain的Pinecone类：

1. 导入LangChain的Pinecone类：

   from langchain.vectorstores import Pinecone
   

2. 修改最后一段代码：

   # 获取Pinecone索引对象
   index = pc.Index(index_name)
   # 使用LangChain的from_texts方法
   docsearch = Pinecone.from_texts(
       [t.page_content for t in text_chunks],
       embeddings,
       index=index
   )
   

方案2：使用新版LangChain-Pinecone集成

新版LangChain已将第三方向量库拆分到独立包，需先安装依赖：

pip install langchain-pinecone

然后替换导入和调用逻辑：

from langchain_pinecone import Pinecone

# 直接用LangChain-Pinecone的from_texts方法
docsearch = Pinecone.from_texts(
    [t.page_content for t in text_chunks],
    embeddings,
    index_name=index_name,
    pinecone_api_key=pinecone_api_key,
    pinecone_environment=pinecone_environment
)

版本注意事项 #

• 旧版LangChain（<=0.1.x）中，Pinecone集成在langchain.vectorstores模块；
• 新版LangChain（>=0.2.x）需安装langchain-pinecone独立包，导入路径改为langchain_pinecone.Pinecone。

内容的提问来源于stack exchange，提问作者Girish Sawant