Pinecone 是面向生产 AI 应用的托管向量数据库，以 SaaS 形式提供，用户无需管理底层基础设施。其核心定位是服务于需要自动扩展、低延迟和高可用的向量检索场景，例如生产级 RAG 应用。
主要能力包括：全托管与自动扩展，可扩展至数十亿向量；稠密与稀疏向量混合搜索，可通过 alpha 参数调节两者权重；元数据过滤，支持精确匹配、比较运算符、逻辑运算符和 $in 等；命名空间，用于按用户或租户隔离数据；索引管理，支持创建、描述、统计和删除索引；向量操作，支持单条与批量 upsert、按 ID 或过滤条件删除、查询时包含元数据等。官方资料给出的性能指标为 p95 延迟低于 100ms、99.9% 可用性 SLA，查询 p50 约 50ms，元数据过滤额外增加约 10-20ms。
使用方式：通过 pip install pinecone-client 安装 Python 客户端，使用 API key 初始化 Pinecone 对象，然后创建索引（需指定维度、距离度量以及 ServerlessSpec 或 PodSpec），连接到索引后进行 upsert 和 query。混合搜索需同时提供稠密向量和稀疏向量（indices 与 values），并通过 alpha 控制权重。还提供 LangChain 的 PineconeVectorStore 和 LlamaIndex 的 PineconeVectorStore 集成方式。
适用场景：需要托管、无服务器向量数据库的生产 RAG；要求自动扩展；对低延迟敏感（<100ms）；不希望管理基础设施；需要混合搜索。资料建议在自托管开源、离线纯相似度搜索或需要更多自托管功能时考虑 Chroma、FAISS、Weaviate 等替代方案。
限制与注意事项：索引维度必须与嵌入模型维度一致；批量 upsert 建议每批 100-200 条；免费层提供 1 个 serverless 索引和 10 万向量（1536 维），适合原型验证；资料建议定期导出重要数据作为备份。定价方面，资料给出 2025 年数据：serverless 读取每百万单位 0.096 美元、写入每百万单位 0.06 美元、存储每 GB 每月 0.06 美元。