Pinecone 是一款面向生产级 AI 应用的托管向量数据库，以 SaaS 方式提供，具备自动扩缩容能力，官方称可扩展至数十亿向量。其定位为无需自行管理基础设施的向量存储与检索服务，适用于生产环境的 RAG（检索增强生成）应用、对低延迟敏感（官方标注 p95 延迟 <100ms）以及需要混合检索的场景。
主要能力
- 托管与自动扩缩容：全托管的 SaaS 服务，支持无服务器（serverless）与基于 Pod 两种索引模式。
- 混合检索：同时支持稠密向量与稀疏向量，可通过 alpha 参数在稀疏与稠密之间加权（0 为稀疏，1 为稠密，0.5 为混合）。
- 元数据过滤：支持精确匹配、比较运算（$gt、$gte、$lt、$lte、$ne）、逻辑运算（$and、$or）以及 $in 等操作。
- 命名空间：可按用户或租户对数据进行分区隔离，并可查询指定命名空间。
- 索引管理：支持创建、描述、查看统计、列出与删除索引，以及按 ID、按过滤条件或整个命名空间删除向量。
- 框架集成：提供与 LangChain、LlamaIndex 的集成方式。
使用方式（快速开始） 安装： pip install pinecone-client
基本流程（官方示例）：
- 初始化：pc = Pinecone(api_key="your-api-key")
- 创建索引：pc.create_index(name="my-index", dimension=1536, metric="cosine", spec=ServerlessSpec(cloud="aws", region="us-east-1"))；维度必须与嵌入模型一致，metric 可选 cosine、euclidean、dotproduct。也可使用 PodSpec 创建基于 Pod 的索引。
- 连接索引：index = pc.Index("my-index")
- 写入向量：index.upsert(vectors=[{"id": "vec1", "values": [...], "metadata": {"category": "A"}}, ...])，官方建议批量写入（每批 100-200 条）。
- 查询：index.query(vector=[...], top_k=5, include_metadata=True)，可加 filter 过滤、namespace 指定命名空间。
- 混合查询：在 query 中传入 sparse_vector 并设置 alpha。
- 删除：index.delete(ids=[...])、index.delete(filter={...})、index.delete(delete_all=True, namespace="test") 等。
适用场景
- 需要托管、无服务器向量数据库的生产 RAG 应用。
- 需要自动扩缩容、不希望自行管理基础设施。
- 对低延迟有要求（官方标注 <100ms）。
- 需要稠密 + 稀疏混合检索。
限制与替代
- 若需自托管开源方案，官方列出 Chroma；若仅做离线纯相似度检索，列出 FAISS；若需自托管且功能更多，列出 Weaviate。
性能（官方给出）
- Upsert：约 50-100ms/批
- Query p50：约 50ms（取决于索引规模）
- Query p95：约 100ms（SLA 目标）
- 元数据过滤：额外约 10-20ms 开销
定价（官方标注，截至 2025 年）
- 无服务器：每百万读单位 $0.096；每百万写单位 $0.06；每 GB 存储每月 $0.06。
- 免费额度：1 个无服务器索引、10 万条 1536 维向量，适合原型验证。
最佳实践（官方建议）
- 使用无服务器模式，自动扩缩容且更具成本效益。
- 批量写入（每批 100-200 条）提升效率。
- 添加元数据以支持过滤；使用命名空间按用户/租户隔离数据。
- 监控用量（查看 Pinecone 控制台）、优化过滤字段、使用混合检索提升质量。
- 设置与嵌入模型匹配的维度、定期备份重要数据。
资源
- 官网：https://www.pinecone.io
- 文档：https://docs.pinecone.io
- 控制台：https://app.pinecone.io
- 定价：https://www.pinecone.io/pricing