Pinecone RAG 与长期记忆

原名：pinecone-rag

使用 Pinecone 设计可持久化的检索增强生成和智能体记忆流程。

中文 Skills 技能说明

适合知识检索和跨会话记忆原型。用户需自备可用服务与账户，先定义数据分类、删除和访问控制；企业文档是否允许上传外部向量服务必须完成授权评估。

上游能力依据

上游原始适用说明：Build production RAG pipelines and persistent agent memory using Pinecone as the vector database backend. ALWAYS USE THIS SKILL when the user mentions Pinecone, wants to index documents for semantic search, build a retrieval-augmented generation system, store agent memory across sessions, implement hybrid search, or connect an LLM to a searchable knowledge base — even if they don't say "Pinecone" explicitly. Also use when the user asks about vector databases for RAG, namespace isolation for multi-tenant agents, embedding pipelines, or scaling a knowledge base beyond what local storage can handle. DO NOT use for local-only vector stores (Chroma, FAISS, pgvector) or pure keyword search with no semantic component.

上游 SKILL.md 主要章节（保留原文标题）：

• Before you start — ask one question
• Step 1 — Choose your index configuration
• Step 2 — Embed and upsert documents
• Step 3 — Choose retrieval strategy
• Dense (semantic) search — use for most cases
• Hybrid search (semantic + BM25 keyword) — use when corpus has exact terminology
• Metadata filtering — use to scope results before semantic ranking
• Step 4A — Full RAG pipeline (document use case)
• Step 4B — Agent memory (memory use case)
• Step 5 — Wire it together and test end to end

使用边界

先确认数据口径、只读或写入权限以及备份方案。查询结果需要说明范围，任何结构或数据变更都应先预览并人工确认。

作者、翻译与许可证

原作者

GitHub, Inc. 与 awesome-copilot contributors

中文翻译

CEOFans翻译

许可证

MIT

上游来源

https://github.com/github/awesome-copilot/tree/bbaa5872640e6cbae953beb22a71ae337398ca12/skills/pinecone-rag

适用范围

平台：linux、macos、windows；标签：数据与数据库、Pinecone RAG 与长期记忆

安全提示

基础静态扫描不等于绝对安全。技能可能调用命令、浏览器、云服务或本地文件，请在最小权限环境中使用，高风险操作必须人工确认。

如发现侵权、许可证或安全问题，可在本页前台提交投诉，管理员复核后可立即下架。