完整的索引构建代码from langchain.text_splitter import RecursiveCharacterTextSplitter #把长文档分成小块 from langchain.embeddings import OpenAIEmbeddings #LangChain封装的OpenAI嵌入接口 from langchain.vectorstores import Pinecone #LangChain封装的向量库操作接口 import pinecone #1. 读取文档 with open(medical_docs.txt, r) as f: #python自带的r表示只读用完后自动关闭文件 document f.read() #2. 分块 text_splitter RecursiveCharacterTextSplitter( chunk_size500, chunk_overlap50, separators[\n\n, \n, 。, , , ] )#只是将这个工具怎么用 chunks text_splitter.split_text(document) #3. 初始化embedding模型 embeddings OpenAIEmbeddings(modeltext-embedding-3-small) #4. 初始化向量数据库 pinecone.init(api_keyyour-key) index_name medical-rag #给向量集合取名字 #5. 创建索引并存储 vectorstore Pinecone.from_texts( textschunks, embeddingembeddings, index_nameindex_name ) print(f成功索引了 {len(chunks)} 个文本块)