用途：将 Pinecone 作为智能体对话的检索增强生成（RAG）后端，持久化嵌入、从过往会话中检索相关上下文，并构建长期记忆。
适用场景：构建以 Pinecone 为向量库的智能体 RAG 流水线；需要跨会话的持久长期记忆；将检索与智能体工具调用结合；研究或原型化语义搜索工作流。若只需通用 Pinecone 参考（索引管理、CRUD、混合搜索）或生产基础设施且不涉及智能体集成，应改用 mlops/pinecone 技能。
安装与配置：pip install pinecone-client langchain-pinecone langchain-openai；设置密钥 export PINECONE_API_KEY="your-api-key"。
基本用法：初始化 Pinecone 客户端，创建或连接索引（示例维度 1536、cosine 度量、ServerlessSpec 指定云与区域），用 PineconeVectorStore.from_documents 构建向量库，再通过 as_retriever(search_kwargs={"k": 5}) 检索相关上下文。会话记忆可按 namespace 隔离，如 namespace=f"session-{session_id}"；不带 namespace 查询可跨所有会话检索。
最佳实践：按会话或用户划分 namespace 以隔离多租户数据；批量 upsert，每批 100–200 个向量；用元数据过滤标记会话 ID、时间戳、主题；删除过期 namespace 以控制成本；使用 serverless 获得自动扩缩与按用量计费。
资源：Pinecone 文档 https://docs.pinecone.io；LangChain 集成 https://python.langchain.com/docs/integrations/vectorstores/pinecone；免费层为 1 个索引、10 万向量（1536 维）。
限制：资料未提供更多平台、价格或效果细节。