Pinecone旗下面向AI智能体的知识引擎产品Pinecone Nexus现已全面上线，该产品可将企业数据转化为可供智能体直接检索的结构化数据层。企业团队只需一次性摄入并梳理业务背景信息，即可在各类智能体间复用数据，在提升输出准确性的同时降低词元成本。
企业AI应用的知识调用痛点
尽管大语言模型擅长处理通用知识，向量数据库也能轻松定位散落在各类文件中的特定信息，但企业核心业务依赖的场景信息，通常分散在合同、内部知识库、人事文档、会议纪要、客服工单、财务记录等各类资料中。
智能体执行任务时若每次都检索这些分散信息，不仅效率极低、响应速度慢，还会产生更高的词元成本，输出结果也可能存在信息缺失。
核心能力与落地效果
Pinecone Nexus正是为填补上述空白推出的知识引擎，它将企业分散的知识整合成结构化层，供智能体直接查询，词元消耗仅产生在一次性数据规整阶段，无需在每次查询的检索循环中重复消耗。
据Pinecone公开数据显示，Nexus的早期采用者已获得显著性能提升，尤其在金融服务、法律研究领域表现突出：
- 法律领域任务完成率达100%，同期编码智能体完成率仅为6%，RAG系统为66%，可胜任RAG难以处理的学说综合、跨案例推理等需要多源信息整合的任务；
- 词元消耗大幅降低，约为原有水平的1/9到1/15；
- 企业数据管理场景准确率达90%，同期RAG系统为65%，每份文档整理成本为0.0038美元。
产品架构与部署支持
Pinecone Nexus以工作空间（Workspace）为核心概念，工作空间是所有资源的顶级容器，通常对应某个团队或业务部门，内部架构逻辑如下：
- 工作空间内的数据按上下文（Context）划分，每个上下文集对应特定数据集或知识领域；
- 清单（Manifest）用于定义原始数据源的摄取方式，以及原始数据转换为结构化知识的规则，领域专家可通过清单提前设计实体及关联关系，将领域知识固化到数据规整层，智能体查询时可直接沿用梳理逻辑，无需自行梳理语料库结构。
数据摄取通过连接器实现，目前已支持本地文件、Box、Microsoft OneLake等来源，Google Drive、Slack、GitHub、Notion、Confluence、S3等来源的支持即将推出。数据完成摄取规整后，可通过KnowQL进行查询，供智能体、聊天机器人、推荐系统等调用。
目前Pinecone Nexus已开放预览体验区，用户可在其中连接数据源、设计上下文并运行查询，验证数据处理方案可行性。同时产品提供BYOC（自带云）部署选项，可满足对数据驻留、安全和合规性有强制性要求的业务环境需求。
当前市面上与Pinecone Nexus同类的产品有Cognite、RationalAI、LlamaIndex等。
查看英文原文：https://www.infoq.com/news/2026/07/pinecon-nexus-knowledge-engine/
优秘智能